論文の概要: Producing a Standard Dataset of Speed Climbing Training Videos Using Deep Learning Techniques

• arxiv url: http://arxiv.org/abs/2305.13858v1
• Date: Tue, 23 May 2023 09:27:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-05-24 17:26:12.793139
• Title: Producing a Standard Dataset of Speed Climbing Training Videos Using Deep Learning Techniques
• Title（参考訳）: 深層学習技術を用いたスピードクライミングトレーニングビデオの標準データセット作成
• Authors: Yufei Xie, Shaoman Li and Penghui Lin
• Abstract要約: この論文は、複数のカメラでスピードクライミングトレーニングセッションを記録するための方法論を提示する。 アノテーション付きデータは、ディープラーニング技術を用いて分析され、スピードクライミングトレーニングビデオの標準データセットを作成する。
• 参考スコア（独自算出の注目度）: 0.1933681537640272
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This dissertation presents a methodology for recording speed climbing training sessions with multiple cameras and annotating the videos with relevant data, including body position, hand and foot placement, and timing. The annotated data is then analyzed using deep learning techniques to create a standard dataset of speed climbing training videos. The results demonstrate the potential of the new dataset for improving speed climbing training and research, including identifying areas for improvement, creating personalized training plans, and analyzing the effects of different training methods.The findings will also be applied to the training process of the Jiangxi climbing team through further empirical research to test the findings and further explore the feasibility of this study.
• Abstract（参考訳）: この論文は、複数のカメラでスピードクライミングトレーニングセッションを記録し、身体の位置、手足の位置、タイミングなどの関連データで動画に注釈を付けるための方法論を提示する。 注釈付きデータはディープラーニング技術を使って分析され、スピードクライミングトレーニングビデオの標準データセットを作成する。 研究成果は, スピードクライミングのトレーニングと研究を改善するための新たなデータセットの可能性を示し, 改善分野の特定, パーソナライズされたトレーニング計画の作成, 異なるトレーニング方法の効果を分析するとともに, さらなる実証的研究を通じて江西登山チームのトレーニングプロセスにも適用し, 研究の実施可能性について検討する。

関連論文リスト

• A Review of Machine Learning Methods Applied to Video Analysis Systems [3.518774226658318]
  本稿では,ビデオ解析のための機械学習技術の開発について調査する。 本稿では,ビデオ分析における自己教師型学習,半教師型学習,アクティブ学習,ゼロショット学習の開発の概要について述べる。
  論文  参考訳（メタデータ） (2023-12-08T20:24:03Z)
• Supervised Homography Learning with Realistic Dataset Generation [60.934401870005026]
  生成フェーズとトレーニングフェーズの2つのフェーズからなる反復的なフレームワークを提案する。 生成段階では、ラベルのない画像対が与えられた場合、事前に推定された支配的な平面マスクとペアのホモグラフィを利用する。 トレーニングフェーズでは、生成されたデータを使用して、教師付きホモグラフィネットワークをトレーニングする。
  論文  参考訳（メタデータ） (2023-07-28T07:03:18Z)
• Balancing Accuracy and Training Time in Federated Learning for Violence Detection in Surveillance Videos: A Study of Neural Network Architectures [0.0]
  この研究は、ベンチマークビデオデータセットから抽出した時間的検出機能を用いた実験を含む。 スーパーコンバージェンスやトランスファーラーニングなど,さまざまな機械学習技術について検討した。 この研究は、フェデレートされた学習コンテキストにおける最高の暴力検出モデルを訓練することにより、最先端モデルと比較して精度が向上する。
  論文  参考訳（メタデータ） (2023-06-29T19:44:02Z)
• Towards Sequence-Level Training for Visual Tracking [60.95799261482857]
  本研究は、強化学習に基づく視覚追跡のためのシーケンスレベルのトレーニング戦略を導入する。 4つの代表的な追跡モデル、SiamRPN++、SiamAttn、TransT、TrDiMPは、提案手法をトレーニングに取り入れることで一貫して改善されている。
  論文  参考訳（メタデータ） (2022-08-11T13:15:36Z)
• Addressing Bias in Visualization Recommenders by Identifying Trends in Training Data: Improving VizML Through a Statistical Analysis of the Plotly Community Feed [55.41644538483948]
  機械学習は、高いスケーラビリティと表現力のために、視覚化レコメンデーションに対する有望なアプローチである。 本研究は,統計的解析によりトレーニングデータの傾向を特定することで,機械学習可視化推薦システムにおけるトレーニングバイアスに対処することを目的とする。
  論文  参考訳（メタデータ） (2022-03-09T18:36:46Z)
• Friendly Training: Neural Networks Can Adapt Data To Make Learning Easier [23.886422706697882]
  フレンドリートレーニング(Friendly Training)と呼ばれる新しいトレーニング手順を提案する。 フレンドリートレーニングは、情報サブ選択とランダム選択に関して改善をもたらすことを示す。 その結果,入力データへの適応は学習を安定させ,ネットワークのスキル一般化を改善するための有効な方法であることが示唆された。
  論文  参考訳（メタデータ） (2021-06-21T10:50:34Z)
• Crop-Transform-Paste: Self-Supervised Learning for Visual Tracking [137.26381337333552]
  本研究では,十分なトレーニングデータを合成できるCrop-Transform-Paste演算を開発した。 オブジェクトの状態はすべての合成データで知られているので、既存のディープトラッカーは人間のアノテーションなしで日常的に訓練することができる。
  論文  参考訳（メタデータ） (2021-06-21T07:40:34Z)
• Does the Order of Training Samples Matter? Improving Neural Data-to-Text Generation with Curriculum Learning [6.098616716213235]
  トレーニングサンプルの順序を変更することでテキスト生成システムを改善する努力が続けられている。 ベンチマークでは,トレーニング時間を38.7%削減し,性能を4.84BLEUで向上する,より高速な収束速度を示す。
  論文  参考訳（メタデータ） (2021-02-06T10:14:18Z)
• Learning to Segment Human Body Parts with Synthetically Trained Deep Convolutional Networks [58.0240970093372]
  本稿では,合成データのみを用いて学習した深部畳み込みニューラルネットワークに基づく人体部分分割のための新しい枠組みを提案する。 提案手法は,人体部品の実際の注釈付きデータを用いてモデルを訓練することなく,最先端の結果が得られる。
  論文  参考訳（メタデータ） (2021-02-02T12:26:50Z)
• Teaching with Commentaries [108.62722733649542]
  コメントとメタ情報を用いたフレキシブルな教育フレームワークを提案する。 解説はトレーニングのスピードと/またはパフォーマンスを改善することができる。 パフォーマンスのメリットを得るために、新しいモデルをトレーニングするときに、コメンタリを再利用できる。
  論文  参考訳（メタデータ） (2020-11-05T18:52:46Z)

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。