بازشناسی اعمال بازیکنان والیبال با استفاده از شبکه های عصبی عمیق
Publish place: The 11th Iranian and the first International Conference on Machine Vision and Image Processing (MVIP 2020)
Publish Year: 1398
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 754
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMVIP11_034
تاریخ نمایه سازی: 24 شهریور 1399
Abstract:
بازشناسی اعمال انسان کاربردهای فراوانی در حوزه پردازش تصویر و بینایی ماشین دارد و سال هاست که پژوهشگران در این حوزه کار می کنند. یکی از خلاهای تحقیقاتی موجود در این زمینه بازشناسی اعمال ورزشی است.در این مقاله بازشناسی اعمال بازیکنان والیبال را در نظر گرفته و با تهیه یک مجموعه داده از 3 عمل اسپایک، دریافت و سرویس در والیبال به پیاده سازی 4 روش مختلف اقدام شد و از میان آنها دو روش شبکه یکپارچه کانولوشنی و بازگشتی بازشناسی اعمال انسان کاربردهای فراوانی در حوزه پردازش تصویر و بینایی ماشین دارد و سال هاست که پژوهشگران در این حوزه کار میکنند. یکی از خلاهای تحقیقاتی موجود در این زمینه بازشناسی اعمال ورزشی است. در این مقاله بازشناسی اعمال بازیکنان والیبال را در نظر گرفته و با تهیه یک مجموعه داده از 3 عمل اسپایک، دریافت و سرویس در والیبال به پیاده سازی 4 روش مختلف اقدام شد و از میان آنها دو روش شبکه یکپارچه کانولوشنی و بازگشتی بازشناسی اعمال انسان کاربردهای فراوانی در حوزه پردازش تصویر و بینایی ماشین دارد و سال هاست که پژوهشگران در این حوزه کار می کنند. یکی از خلاهای تحقیقاتی موجود در این زمینه بازشناسی اعمال ورزشی است. در این مقاله بازشناسی اعمال بازیکنان والیبال را در نظر گرفته و با تهیه یک مجموعه داده از 3 عمل اسپایک، دریافت و سرویس در والیبال به پیاده سازی 4 روش مختلف اقدام شد و از میان آنها دو روش شبکه یکپارچه کانولوشنی و بازگشتی LSTM و شبکه کانولوشنی عمیق سه بعدی C3D که دارای نتایج بهتری بودند به تفصیل مورد بررسی قرار می گیرند و نتایج هریک از این دو روش و نقاط قوت و ضعف آنها ارایهمی گردد. میانگین دقت رده بندی برای دو روش فوق الذکر به ترتیب 92/5 و 93/3 درصد است.
Keywords:
Authors
امیرعباس شعبانی
دانشکده مهندسی کامپیوتر دانشگاه علم وصنعت ایران تهران ایران
محسن سریانی
دانشکده مهندسی کامپیوتر دانشگاه علم وصنعت ایران تهران ایران