Loading...
机构名称:
¥ 1.0

抽象对象检测是体育视频分析中最常见的任务。此任务需要准确的对象检测,该对象检测可以处理各种大小的对象,这些物体部分被遮挡,照明较差或在复杂的环境中呈现。现场运动中的对象包括球员的团队和球检测;这是由于玩家的快速移动和关注对象的速度而造成的一项艰巨任务。本文提出了预先训练的Yolov3,基于深度学习的对象检测模型。我们准备了一个由四个主要实体组成的曲棍球数据集:1(AUS),2(BEL),曲棍球舞会和裁判员。我们构建了自己的数据集,因为没有现有的现场曲棍球数据集可用。实验结果表明,预先训练的Yolov3深学习模型通过修改该预训练模型的超参数来在该数据集上产生比较结果。关键字:体育视频分析,深度学习,Yolov1,Yolov2,Yolov3,对象检测

曲棍球运动视频中的对象检测通过验证的Yolov3

曲棍球运动视频中的对象检测通过验证的Yolov3PDF文件第1页

曲棍球运动视频中的对象检测通过验证的Yolov3PDF文件第2页

曲棍球运动视频中的对象检测通过验证的Yolov3PDF文件第3页

曲棍球运动视频中的对象检测通过验证的Yolov3PDF文件第4页

曲棍球运动视频中的对象检测通过验证的Yolov3PDF文件第5页

相关文件推荐

2020 年
¥1.0
2024 年
¥1.0
2021 年
¥1.0
2021 年
¥1.0
2021 年
¥1.0
2024 年
¥1.0
2021 年
¥1.0
2022 年
¥1.0
2020 年
¥10.0
2020 年
¥1.0