Fugu-MT 論文翻訳(概要): Two Stream Network for Stroke Detection in Table Tennis

論文の概要: Two Stream Network for Stroke Detection in Table Tennis

arxiv url: http://arxiv.org/abs/2112.12073v1
Date: Thu, 16 Dec 2021 10:20:51 GMT
ステータス: 処理完了
システム内更新日: 2021-12-26 12:45:01.951628
Title: Two Stream Network for Stroke Detection in Table Tennis
Title（参考訳）: テーブルテニスにおけるストローク検出のための2つのストリームネットワーク
Authors: Anam Zahra (MPI-EVA), Pierre-Etienne Martin (LaBRI, MPI-EVA, UB)
Abstract要約: この方法は、RGB Streamと計算された光の流れを並列に、2ストリームの畳み込みニューラルネットワーク処理に依存する。提案手法は,テストセットのベースラインよりも優れていなかったが,mAP測定値に関して,他の参加者の中で最も優れていた。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents a table tennis stroke detection method from videos. The method relies on a two-stream Convolutional Neural Network processing in parallel the RGB Stream and its computed optical flow. The method has been developed as part of the MediaEval 2021 benchmark for the Sport task. Our contribution did not outperform the provided baseline on the test set but has performed the best among the other participants with regard to the mAP metric.
Abstract（参考訳）: 本稿では,ビデオからテーブルテニスストロークを検出する手法を提案する。この方法は、RGB Streamと計算された光の流れを並列に、2ストリームの畳み込みニューラルネットワーク処理に依存する。この方法は、スポーツタスクのMediaEval 2021ベンチマークの一部として開発された。提案手法は,テストセットのベースラインよりも優れていなかったが,mAP測定値に関して,他の参加者の中で最も優れていた。

関連論文リスト

Exploring Straighter Trajectories of Flow Matching with Diffusion Guidance [66.4153984834872]
フローマッチング(StraightFM)のストレートトラジェクトリを提案する。分布レベル全体から拡散モデルによって導かれる結合戦略により軌道を直線化する。拡散法と従来のフローマッチング法の間で、FIDが低い視覚的に魅力的な画像を生成する。
論文参考訳（メタデータ） (2023-11-28T06:19:30Z)
Fine-Grained Action Detection with RGB and Pose Information using Two Stream Convolutional Networks [1.4502611532302039]
本稿では,テーブルテニスストロークの分類と検出のための2ストリームネットワークアプローチを提案する。提案手法は生のRGBデータを利用して,MMPoseツールボックスから計算した情報をポーズする。我々は脳卒中分類の改善を報告でき、精度は87.3%に達し、検出はベースラインを上回りつつも0.349のIoUと0.110のmAPに到達している。
論文参考訳（メタデータ） (2023-02-06T13:05:55Z)
PSNet: Parallel Symmetric Network for Video Salient Object Detection [85.94443548452729]
我々は,PSNet という名前のアップ・ダウン・パラレル対称性を持つ VSOD ネットワークを提案する。 2つの並列ブランチが、ビデオの完全サリエンシ復号化を実現するために設定されている。
論文参考訳（メタデータ） (2022-10-12T04:11:48Z)
Searching for Network Width with Bilaterally Coupled Network [75.43658047510334]
この問題に対処するため、BCNet(Bilaterally Coupled Network)と呼ばれる新しいスーパーネットを導入する。 BCNetでは、各チャネルは高度に訓練され、同じ量のネットワーク幅を担っているため、ネットワーク幅をより正確に評価することができる。本稿では,Channel-Bench-Macroというマクロ構造に対するオープンソースのワイド・ベンチマークを提案し,ワイド・サーチ・アルゴリズムの比較を行った。
論文参考訳（メタデータ） (2022-03-25T15:32:46Z)
Three-Stream 3D/1D CNN for Fine-Grained Action Classification and Segmentation in Table Tennis [0.0]
TT-21データセットに適用され、テーブルテニスゲームの未トリミングビデオで構成されている。目標は、より大きなスキームの最初のステップである、ビデオ中のテーブルテニスストロークを検出して分類することだ。また、選手により豊かなフィードバックを与えるために、ポーズも検討されている。
論文参考訳（メタデータ） (2021-09-29T09:43:21Z)
Dynamic Gradient Aggregation for Federated Domain Adaptation [31.264050568762592]
フェデレートラーニング(FL)のための新しい学習アルゴリズムを提案する。提案手法は,2段階最適化を用いた重み付き勾配集約に基づいてフレキシブルなトレーニングパイプラインを提供する。本研究では,制御・教師なし音声認識(SR)におけるFLアルゴリズムの効果について検討する。
論文参考訳（メタデータ） (2021-06-14T16:34:28Z)
BCNet: Searching for Network Width with Bilaterally Coupled Network [56.14248440683152]
この問題に対処するため、BCNet(Bilaterally Coupled Network)と呼ばれる新しいスーパーネットを導入する。 BCNetでは、各チャネルは高度に訓練され、同じ量のネットワーク幅を担っているため、ネットワーク幅をより正確に評価することができる。提案手法は,他のベースライン手法と比較して,最先端あるいは競合的な性能を実現する。
論文参考訳（メタデータ） (2021-05-21T18:54:03Z)
3D attention mechanism for fine-grained classification of table tennis strokes using a Twin Spatio-Temporal Convolutional Neural Networks [1.181206257787103]
本稿では,テーブルテニスストロークのようなクラス間変動の少ないビデオにおける行動認識の問題に対処する。 2つのストリーム「ツイン」畳み込みニューラルネットワークは、RGBデータと光フローの両方で3D畳み込みで使用される。 3Dアテンションモジュールを導入し、それらの分類効率への影響について検討する。
論文参考訳（メタデータ） (2020-11-20T09:55:12Z)
MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT Prostate Segmentation via Online Sampling [66.01558025094333]
本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
論文参考訳（メタデータ） (2020-05-15T10:37:02Z)
Cascaded Deep Video Deblurring Using Temporal Sharpness Prior [88.98348546566675]
提案アルゴリズムは主に,中間潜水フレームと潜水フレームの復元ステップから光フローを推定する。まず、中間潜伏フレームから光フローを推定し、推定した光フローに基づいて潜伏フレームを復元する深部CNNモデルを開発する。ビデオデブロアリングのドメイン知識を探索することで、深層CNNモデルをよりコンパクトで効率的なものにすることができることを示す。
論文参考訳（メタデータ） (2020-04-06T09:13:49Z)

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。