Fugu-MT 論文翻訳(概要): Towards Automated Swimming Analytics Using Deep Neural Networks

論文の概要: Towards Automated Swimming Analytics Using Deep Neural Networks

arxiv url: http://arxiv.org/abs/2001.04433v1
Date: Mon, 13 Jan 2020 18:06:53 GMT
ステータス: 処理完了
システム内更新日: 2023-01-11 23:23:43.078888
Title: Towards Automated Swimming Analytics Using Deep Neural Networks
Title（参考訳）: 深層ニューラルネットワークを用いた水泳自動分析
Authors: Timothy Woinoski and Alon Harell and Ivan V. Bajic
Abstract要約: 本稿では,スイミング・アナリティクスの収集を自動化するシステムを構築する方法について考察する。その結果,スイマー検出・追跡システムの訓練に適した総合的な水泳データ収集のガイドとなる。
参考スコア（独自算出の注目度）: 28.167294398293297
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Methods for creating a system to automate the collection of swimming analytics on a pool-wide scale are considered in this paper. There has not been much work on swimmer tracking or the creation of a swimmer database for machine learning purposes. Consequently, methods for collecting swimmer data from videos of swim competitions are explored and analyzed. The result is a guide to the creation of a comprehensive collection of swimming data suitable for training swimmer detection and tracking systems. With this database in place, systems can then be created to automate the collection of swimming analytics.
Abstract（参考訳）: 本稿では,プール規模での水泳分析の収集を自動化するシステムの構築について考察する。スイマー追跡や機械学習のためのスイマーデータベースの作成など、多くの作業は行われていない。その結果、水泳競技のビデオから水泳データを収集する方法を探索し、分析した。その結果,スイマー検出・追跡システムの訓練に適した総合的な水泳データ収集のガイドとなる。このデータベースを組み込むことで、水泳分析の収集を自動化するシステムを構築することができる。

関連論文リスト

Deep reinforcement learning for tracking a moving target in jellyfish-like swimming [16.727471388063893]
本研究では,ゼリーフィッシュのようなスイマーを訓練し,運動目標を二次元の流れで追跡する深層強化学習法を開発した。深層Qネットワーク(DQN)を用いて,スイマーの幾何と動的パラメータを入力とし,スイマーに適用される力である動作を出力する。
論文参考訳（メタデータ） (2024-09-13T13:29:46Z)
Cross-domain Sound Recognition for Efficient Underwater Data Analysis [4.373836150479923]
本研究では, 水中音の広帯域学習モデルを用いて, 水中音響データを解析するための新しい深層学習手法を提案する。我々は,PCA と UMAP の可視化を用いて2次元空間にデータをクラスタ化し,これらのクラスタ内の点を聴き,それらの定義特性を理解する。第2部では、選択した水中データと非水中データセットの両方を用いてニューラルネットワークモデルを訓練する。
論文参考訳（メタデータ） (2023-09-07T02:26:32Z)
Towards Unifying Anatomy Segmentation: Automated Generation of a Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。提案手法はラベル集約段階において手作業によるアノテーションに依存しない。我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
論文参考訳（メタデータ） (2023-07-25T09:48:13Z)
Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
論文参考訳（メタデータ） (2023-04-20T19:15:02Z)
Persistence-based operators in machine learning [62.997667081978825]
永続性に基づくニューラルネットワークレイヤのクラスを導入します。永続化ベースのレイヤにより、ユーザは、データによって尊重される対称性に関する知識を容易に注入でき、学習可能なウェイトを備え、最先端のニューラルネットワークアーキテクチャで構成できる。
論文参考訳（メタデータ） (2022-12-28T18:03:41Z)
Towards Automated Key-Point Detection in Images with Partial Pool View [0.0]
この研究は、適切な水泳データを集める際に直面する課題を緩和することを目的としている。水泳分析に関係のないキーポイントを持つプールモデルを提案する。第2に、部分プールビューの画像におけるそのようなキーポイントの検出可能性について検討する。
論文参考訳（メタデータ） (2022-08-11T05:06:00Z)
Hierarchical Spherical CNNs with Lifting-based Adaptive Wavelets for Pooling and Unpooling [101.72318949104627]
本稿では, 階層型畳み込みニューラルネットワーク(HS-CNN)の新たな枠組みを提案し, プールやアンプールのための適応球面ウェーブレットを学習する。 LiftHS-CNNは、画像レベルのタスクとピクセルレベルのタスクの両方において、より効率的な階層的特徴学習を実現する。
論文参考訳（メタデータ） (2022-05-31T07:23:42Z)
AdaPool: Exponential Adaptive Pooling for Information-Retaining Downsampling [82.08631594071656]
畳み込み層は畳み込みニューラルネットワーク(CNN)の重要な構成要素である適応的で指数関数的に重み付けされたアダプール法を提案する。 adaPoolは画像やビデオの分類やオブジェクト検出など,さまざまなタスクを通じて,ディテールの保存性の向上を実証する。
論文参考訳（メタデータ） (2021-11-01T08:50:37Z)
Swimmer Stroke Rate Estimation From Overhead Race Video [26.24508656138528]
オーバヘッドレースビデオ(ORV)からスイマーストローク率を自動的に判定するシステムを提案する。一般ORVは、閲覧または分析目的で撮影された、競技中の水泳選手の映像として定義されます。興味ある競技のビデオを見ると、どんな競技でもスイマーのストローク率を自動的に収集するシステムを作る方法について詳述する。
論文参考訳（メタデータ） (2021-04-25T04:20:38Z)
A Realistic Fish-Habitat Dataset to Evaluate Algorithms for Underwater Visual Analysis [2.6476746128312194]
我々は、DeepFishを大規模データセットでベンチマークスイートとして提示し、いくつかのコンピュータビジョンタスクのためのメソッドをトレーニングし、テストする。このデータセットは、熱帯オーストラリアの海洋環境にある20の温帯生物から採取された約4万枚の画像で構成されている。実験では,データセットの特徴を詳細に分析し,いくつかの最先端手法の性能評価を行った。
論文参考訳（メタデータ） (2020-08-28T12:20:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。