بازشناسی اعمال بازیکنان والیبال با استفاده از شبکه های عصبی عمیق

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:

بازشناسی اعمال , والیبال , شبکه عصبی کانولوشنی , شبکه عصبی بازگشتی , شبکه عصبی کانولوشنی سه بعدی