利用深度神经网络检测 canoe sprint 力传感器信号中非解析定义的专家事件标签
计算机视觉与模式识别
2025-03-26 v3
摘要
评估运动员在皮划板冲刺中的表现通常通过在训练期间测量各种运动学参数来确定。这些参数与单个或多个划桨循环相关。确定这些循环在力传感器信号中的开始和结束通常并不直观，需要人工干预。本文探讨了卷积神经网络（CNN）和循环神经网络（RNN）在自动预测这些事件方面的能力。此外，我们提出了对最近发布的SoftED指标进行的扩展，以正确评估模型在时间窗口上的性能。我们的结果表明，基于双向门控循环单元（BGRU）的RNN最适合划桨检测。
引用
@article{arxiv.2407.08395,
title = {Using deep neural networks to detect non-analytically defined expert event labels in canoe sprint force sensor signals},
author = {Sarah Rockstroh and Patrick Frenzel and Daniel Matthes and Kay Schubert and David Wollburg and Mirco Fuchs},
journal= {arXiv preprint arXiv:2407.08395},
year = {2025}
}