女性运动动作数据集：基于小规模训练数据的视觉分类
计算机视觉与模式识别
2025-07-16 v1
摘要
运动动作分类代表了复杂的身体姿态和运动员与物体之间的相互作用，是基于图像的体育分析中的一个新兴领域。过去数十年间，一些研究工作已贡献于使用机器学习技术对体育动作进行自动识别。然而，缺乏足够的数据集来表示女性运动动作，数据集中包含足够的类内和类间变异性，以满足研究人员的需求。为克服这一限制，本工作提出了名为 WomenSports 的新数据集，用于女性运动分类中使用小规模训练数据。该数据集包括多种运动活动，涵盖运动方式、环境和运动员之间广泛的变异。在此基础上，本研究提出了一种卷积神经网络（CNN）用于深度特征提取。在局部上下文区域上应用通道注意力方案，以细化和增强特征表示。实验在三个不同的运动数据集和一个舞蹈数据集上进行，以验证所提出算法的泛化性，这些数据集的性能均表现突出。在所提出的 WomenSports 数据集上使用 ResNet-50 的深度学习方法实现了 89.15% 的顶级1分类准确率，该数据集已在 Mendeley Data 上公开供研究使用。
引用
@article{arxiv.2507.10969,
title = {Women Sport Actions Dataset for Visual Classification Using Small Scale Training Data},
author = {Palash Ray and Mahuya Sasmal and Asish Bera},
journal= {arXiv preprint arXiv:2507.10969},
year = {2025}
}