論文の概要: Automatic detection of faults in race walking from a smartphone camera:
a comparison of an Olympic medalist and university athletes
- arxiv url: http://arxiv.org/abs/2208.12646v1
- Date: Wed, 24 Aug 2022 07:04:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-29 12:25:39.948363
- Title: Automatic detection of faults in race walking from a smartphone camera:
a comparison of an Olympic medalist and university athletes
- Title（参考訳）: スマートフォンカメラによるレース走行中の障害の自動検出-オリンピックメダリストと大学選手の比較-
- Authors: Tomohiro Suzuki, Kazuya Takeda, Keisuke Fujii
- Abstract要約: 本研究では,非接触計測のための故障検出システムを提案する。
複数の審判員の判断に基づいて、ポーズ推定と機械学習モデルを訓練した。
提案システムでは, 平均精度90%以上の断層を検出できた。
- 参考スコア（独自算出の注目度）: 10.187636989975136
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Automatic fault detection is a major challenge in many sports. In race
walking, referees visually judge faults according to the rules. Hence, ensuring
objectivity and fairness while judging is important. To address this issue,
some studies have attempted to use sensors and machine learning to
automatically detect faults. However, there are problems associated with sensor
attachments and equipment such as a high-speed camera, which conflict with the
visual judgement of referees, and the interpretability of the fault detection
models. In this study, we proposed a fault detection system for non-contact
measurement. We used pose estimation and machine learning models trained based
on the judgements of multiple qualified referees to realize fair fault
judgement. We verified them using smartphone videos of normal race walking and
walking with intentional faults in several athletes including the medalist of
the Tokyo Olympics. The validation results show that the proposed system
detected faults with an average accuracy of over 90%. We also revealed that the
machine learning model detects faults according to the rules of race walking.
In addition, the intentional faulty walking movement of the medalist was
different from that of university walkers. This finding informs realization of
a more general fault detection model. The code and data are available at
https://github.com/SZucchini/racewalk-aijudge.
- Abstract（参考訳）: 自動故障検出は多くのスポーツにおいて大きな課題である。
レースウォーキングでは、審判はルールに従って視覚的に欠陥を判断する。
したがって、判断しながら客観性と公平性を確保することが重要である。
この問題に対処するために、センサーと機械学習を使って障害を自動的に検出しようとする研究もある。
しかし,参照者の視覚的判断と矛盾する高速カメラなどのセンサアタッチメントや機器,故障検出モデルの解釈に問題がある。
本研究では,非接触計測のための故障検出システムを提案する。
我々は,複数の審判員の判断に基づいて訓練されたポーズ推定と機械学習モデルを用いて,公正な故障判定を実現した。
東京五輪のメダリストを含む選手数名を対象に,意識的障害を伴う通常のレースウォーキングやウォーキングのスマートフォンビデオを用いて検証を行った。
検証の結果,提案システムでは,平均精度90%以上の故障を検出できた。
また,レースウォーキングのルールに従って,機械学習モデルが故障を検出することも明らかにした。
また、メダリストの意図的欠陥歩行運動は大学の歩行者とは異なるものであった。
この発見は,より一般的な断層検出モデルの実現を示唆する。
コードとデータはhttps://github.com/szucchini/racewalk-aijudgeで入手できる。
関連論文リスト
- Unlearn and Burn: Adversarial Machine Unlearning Requests Destroy Model Accuracy [65.80757820884476]
未学習システムのデプロイにおいて、重要で未調査の脆弱性を公開しています。
本稿では,訓練セットに存在しないデータに対して,逆学習要求を送信することにより,攻撃者がモデル精度を劣化させることができる脅威モデルを提案する。
我々は、未学習要求の正当性を検出するための様々な検証メカニズムを評価し、検証の課題を明らかにする。
論文 参考訳（メタデータ） (2024-10-12T16:47:04Z) - Seeing the Unseen: Errors and Bias in Visual Datasets [0.0]
本稿では,データセットのエラーとその影響をトラックする。
欠陥のあるデータセットは、限定されたカテゴリ、非包括的ソーシング、貧弱な分類の結果である可能性がある。
論文 参考訳（メタデータ） (2022-11-03T14:34:28Z) - Rethinking Bias Mitigation: Fairer Architectures Make for Fairer Face
Recognition [107.58227666024791]
顔認識システムは、法執行を含む安全クリティカルなアプリケーションに広くデプロイされている。
彼らは、性別や人種など、様々な社会的デデノグラフィー次元に偏見を示す。
バイアス軽減に関するこれまでの研究は、主にトレーニングデータの事前処理に重点を置いていた。
論文 参考訳（メタデータ） (2022-10-18T15:46:05Z) - Revealing Unfair Models by Mining Interpretable Evidence [50.48264727620845]
機械学習の人気は、不公平なモデルがハイリスクなアプリケーションにデプロイされるリスクを高めている。
本稿では,解釈可能な証拠をマイニングすることで不公平なモデルを明らかにする新しい課題に取り組む。
本手法は,訓練されたモデルの不公平性を効果的に明らかにするために,極めて解釈可能な確固たる証拠を見出す。
論文 参考訳（メタデータ） (2022-07-12T20:03:08Z) - Comparing Human and Machine Deepfake Detection with Affective and
Holistic Processing [2.15145758970292]
本物のビデオとディープフェイクを提示し、参加者にどのビデオなのかを尋ねます。
私たちは、通常の参加者のパフォーマンスを主要なコンピュータビジョンディープフェイク検出モデルと比較します。
偶発的な怒りは参加者のパフォーマンスを低下させ、顔の全体的な視覚処理を妨げることも参加者のパフォーマンスを妨げます。
論文 参考訳（メタデータ） (2021-05-13T18:22:16Z) - Adversarial Attack on Facial Recognition using Visible Light [4.448212204915639]
本稿では,顔認証システムにおける可視光を用いた対向攻撃の最終報告について述べる。
この研究の関連性は、ディープニューラルネットワークの物理的ダウンフォールを利用することである。
これらのシステムの弱点の実証は、将来オブジェクト認識のトレーニングモデルを改善するためにこの研究が使われることを期待している。
論文 参考訳（メタデータ） (2020-11-25T12:20:23Z) - More Than Accuracy: Towards Trustworthy Machine Learning Interfaces for
Object Recognition [0.0]
本稿では,画像中の物体を認識する機械学習(ML)システムのユーザエクスペリエンスについて検討する。
MLの背景を持つユーザを,異なるレベルの精度で3つのシステムの3つのビジュアライゼーションに公開しました。
インタビューでは,ユーザが使用するシステムの精度を評価する上で,可視化がいかに役立ったか,システムの可視化と精度が信頼と信頼にどのように影響するかを調べた。
論文 参考訳（メタデータ） (2020-08-05T07:56:37Z) - Learning to Evaluate Perception Models Using Planner-Centric Metrics [104.33349410009161]
本稿では,自動運転のタスクに特化して,3次元物体検出の原理的基準を提案する。
私たちのメトリクスは、他のメトリクスが設計によって課す多くの間違いを罰します。
人間の評価では,基準基準値と基準値が一致しないシーンを生成し,基準値の79%が人間の側にあることがわかった。
論文 参考訳（メタデータ） (2020-04-19T02:14:00Z) - How human judgment impairs automated deception detection performance [0.5660207256468972]
教師付き機械学習と人間の判断を組み合わせることで、偽造検出精度が向上するかどうかを検証した。
ハイブリッドオーバールール決定による人間の関与は、精度をチャンスレベルに戻した。
人間の意思決定戦略は、真実の偏見(相手が真実を語る傾向)が有害な影響を説明できることを示唆している。
論文 参考訳（メタデータ） (2020-03-30T10:06:36Z) - Claim Check-Worthiness Detection as Positive Unlabelled Learning [53.24606510691877]
クレームチェックの信頼性検出はファクトチェックシステムにおいて重要な要素である。
これらの課題の根底にあるクレームチェックの信頼性検出における中心的な課題を照明する。
我々の最良の手法は、正の非競合学習の変種を用いて、これを自動的に修正する統一的なアプローチである。
論文 参考訳（メタデータ） (2020-03-05T16:06:07Z) - Training-free Monocular 3D Event Detection System for Traffic
Surveillance [93.65240041833319]
既存のイベント検出システムは、主に学習ベースであり、大量のトレーニングデータが利用可能な場合、十分なパフォーマンスを実現している。
現実のシナリオでは、十分なラベル付きトレーニングデータの収集は高価であり、時には不可能である。
本稿では,交通監視のためのトレーニング不要な単眼3Dイベント検出システムを提案する。
論文 参考訳（メタデータ） (2020-02-01T04:42:57Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。