بازشناسی اعمال بازیکنان والیبال با استفاده از شبکه های عصبی عمیق

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 744

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMVIP11_034

تاریخ نمایه سازی: 24 شهریور 1399

چکیده مقاله:

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.

کلیدواژه ها:

نویسندگان

امیرعباس شعبانی

دانشکده مهندسی کامپیوتر دانشگاه علم وصنعت ایران تهران ایران

محسن سریانی

دانشکده مهندسی کامپیوتر دانشگاه علم وصنعت ایران تهران ایران