ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Real-time basketball shoot and goal event detection based on Deep YOLO network

سال انتشار: 1399
کد COI مقاله: ITCT11_022
زبان مقاله: انگلیسیمشاهد این مقاله: 78
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Real-time basketball shoot and goal event detection based on Deep YOLO network

Navid Nezamivand Chegini - Student of Computer Engineering, Payam Noor University, Qazvin, Iran
Majid Nasiri - Department of Computer Engineering, Shahid Rajaee Teacher Training University, Tehran, Iran
Hadi Yousefi Ramandi - Department of Computer Engineering, Payam Noor University, Qazvin, Iran

چکیده مقاله:

Extracting statistics of sport players are very beneficial for coaches and players while exercising. Form the other side, deep neural networks has been successfully applied to solve various problems from big data analytics to neural language understanding and computer vision tasks. In this paper we address the problem of shoot and goal detection in basketball games with deep learning and make three main contributions. First we make an image dataset for hoop detection, second we fine-tuned Yolo-v۳ deep network to detect hoop accurately. Third we present a real time method to detect shoot and goal in basketball game. All related codes and dataset and demo videos are publicly available in www.github.com/nvdai/hoop_goal_detection.

کلیدواژه ها:

Shoot detection, Goal detection, hoop detection, YOLO, Deep Neural Network

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1197090/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Nezamivand Chegini, Navid and Nasiri, Majid and Yousefi Ramandi, Hadi,1399,Real-time basketball shoot and goal event detection based on Deep YOLO network,یازدهمین کنفرانس بین المللی فناوری اطلاعات،کامپیوتر و مخابرات,,,https://civilica.com/doc/1197090

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399, Nezamivand Chegini, Navid؛ Majid Nasiri and Hadi Yousefi Ramandi)
برای بار دوم به بعد: (1399, Nezamivand Chegini؛ Nasiri and Yousefi Ramandi)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: پیام نور
تعداد مقالات: 52,805
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی