論文の概要: ShuttleSet22: Benchmarking Stroke Forecasting with Stroke-Level
Badminton Dataset
- arxiv url: http://arxiv.org/abs/2306.15664v2
- Date: Wed, 28 Jun 2023 20:50:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-30 10:11:05.623276
- Title: ShuttleSet22: Benchmarking Stroke Forecasting with Stroke-Level
Badminton Dataset
- Title(参考訳): ShuttleSet22: ストロークレベルバドミントンデータセットによるストローク予測のベンチマーク
- Authors: Wei-Yao Wang, Wei-Wei Du, Wen-Chih Peng
- Abstract要約: 2022年の上位試合から収集したバドミントンシングルスデータセットであるShuttleSet22を提供する。
ShuttleSet22は、トレーニングセットで30,172回、トレーニングセットで2,888回、検証セットで450回、テストセットで2,040回、テストセットで2,888回で構成されている。
ShuttleSet22で既存の作業のベンチマークを行うため、ShuttleNetの最先端のストローク予測手法を対応するストローク予測タスクでテストした。
- 参考スコア(独自算出の注目度): 6.2405734957622245
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, badminton analytics has drawn attention due to the
advancement of artificial intelligence and the efficiency of data collection.
While there is a line of effective applications to improve and investigate
player performance, there are only a few public badminton datasets that can be
used for researchers outside the badminton domain. Existing badminton singles
datasets focus on specific matchups; however, they cannot provide comprehensive
studies on different players and various matchups. In this paper, we provide a
badminton singles dataset, ShuttleSet22, which is collected from high-ranking
matches in 2022. ShuttleSet22 consists of 30,172 strokes in 2,888 rallies in
the training set, 1,400 strokes in 450 rallies in the validation set, and 2,040
strokes in 654 rallies in the testing set with detailed stroke-level metadata
within a rally. To benchmark existing work with ShuttleSet22, we test the
state-of-the-art stroke forecasting approach, ShuttleNet, with the
corresponding stroke forecasting task, i.e., predict the future strokes based
on the given strokes of each rally. We also hold a challenge, Track 2:
Forecasting Future Turn-Based Strokes in Badminton Rallies, at CoachAI
Badminton Challenge 2023 to boost researchers to tackle this problem. The
baseline codes and the dataset will be made available on
https://github.com/wywyWang/CoachAI-Projects/tree/main/CoachAI-Challenge-IJCAI2023.
- Abstract(参考訳): 近年、人工知能の進歩とデータ収集の効率化により、バドミントン分析が注目を集めている。
プレイヤーのパフォーマンスを改善し、調査するための効果的なアプリケーションはいくつかあるが、バドミントン領域以外の研究者に使用できる公開バドミントンデータセットはわずかである。
既存のバドミントンシングルスデータセットは特定のマッチアップに焦点を当てているが、異なるプレイヤーや様々なマッチアップに関する包括的な研究は提供できない。
本稿では,バドミントン・シングルス・データセットであるshuttleset22を2022年に高位の試合から収集した。
shuttleset22はトレーニングセット2,888回の30,172ストローク、バリデーションセット450回の1,400ストローク、ラリー内の詳細なストロークレベルメタデータを備えたテストセット654の2,040ストロークで構成される。
shuttleset22で既存の作業をベンチマークするために、shuttlenetという最先端のストローク予測手法をテストし、対応するストローク予測タスク、すなわち各ラリーの所定のストロークに基づいて将来のストロークを予測する。
また、coachai badminton challenge 2023で、バドミントン集会における今後のターンベースのストロークを予測することで、この問題に取り組む研究者を増やそうとしています。
ベースラインコードとデータセットはhttps://github.com/wywyWang/CoachAI-Projects/tree/main/CoachAI-Challenge-IJCAI2023で公開される。
関連論文リスト
- ShuttleSHAP: A Turn-Based Feature Attribution Approach for Analyzing
Forecasting Models in Badminton [52.21869064818728]
バドミントンにおけるプレイヤー戦術予測のための深層学習アプローチは、部分的にはラリープレイヤの相互作用に関する効果的な推論に起因する有望なパフォーマンスを示している。
本稿では,Shapley値の変量に基づいてバドミントンにおける予測モデルを解析するためのターンベース特徴属性手法であるShuttleSHAPを提案する。
論文 参考訳(メタデータ) (2023-12-18T05:37:51Z) - Team Intro to AI team8 at CoachAI Badminton Challenge 2023: Advanced
ShuttleNet for Shot Predictions [0.0]
我々は,過去のストロークを活用することで,バドミントンショットの種類や場所を予測する上で,既存のフレームワークであるShuttleNetの性能を向上させることを目指している。
我々は,IJCAI 2023のCoachAI Badminton Challengeに参加し,ベースラインと比較して有意に優れた結果を得た。
論文 参考訳(メタデータ) (2023-07-25T16:10:45Z) - Team Badminseok at IJCAI CoachAI Badminton Challenge 2023: Multi-Layer
Multi-Input Transformer Network (MuLMINet) with Weighted Loss [9.021698640612781]
本稿では,プロのバドミントンプレーヤーのマッチングデータを利用して,将来的なショットタイプやエリア座標を正確に予測するマルチ層マルチ入力トランスフォーマネットワーク(MuLMINet)を提案する。
IJCAI CoachAI Badminton Challenge 2023, Track 2で優勝(2位)を果たした。
論文 参考訳(メタデータ) (2023-07-17T06:10:03Z) - ShuttleSet: A Human-Annotated Stroke-Level Singles Dataset for Badminton
Tactical Analysis [5.609957071296952]
我々は、アノテートされたストロークレベルの記録を持つ、公開可能な最大のバドミントンシングルスデータセットであるShuttleSetを紹介する。
104セット、3,685ラリー、36,492ストロークが2018年から2021年にかけて44試合に出場し、27人の男子シングルと女子シングルが出場した。
ShuttleSetはコンピュータ支援ラベル付けツールで手動で注釈付けされ、ショットタイプを選択する際のラベル付け効率と有効性を高める。
論文 参考訳(メタデータ) (2023-06-08T05:41:42Z) - Hang-Time HAR: A Benchmark Dataset for Basketball Activity Recognition
using Wrist-worn Inertial Sensors [61.231127423359744]
本稿では,手首に装着したセンサから身体活動認識手法を評価するためのベンチマークデータセットを提案する。
データセットは、米国とドイツの2つのチームで記録され、計24人のプレーヤーが手首に慣性センサーを装着した。
論文 参考訳(メタデータ) (2023-05-22T15:25:29Z) - Large Scale Real-World Multi-Person Tracking [68.27438015329807]
本稿では,新しい大規模多人数追跡データセットであるtexttPersonPath22を提案する。
MOT17、HiEve、MOT20などの高品質なマルチオブジェクト追跡データセットよりも桁違いに大きい。
論文 参考訳(メタデータ) (2022-11-03T23:03:13Z) - SoccerNet-Tracking: Multiple Object Tracking Dataset and Benchmark in
Soccer Videos [62.686484228479095]
本稿では,各30の200列からなる複数物体追跡のための新しいデータセットを提案する。
データセットは、バウンディングボックスとトラックレットIDで完全に注釈付けされている。
分析の結果,サッカービデオにおける複数の選手,審判,ボール追跡が解決されるには程遠いことがわかった。
論文 参考訳(メタデータ) (2022-04-14T12:22:12Z) - ShuttleNet: Position-aware Fusion of Rally Progress and Player Styles
for Stroke Forecasting in Badminton [18.524164548051417]
本稿では,ターンベースのスポーツにおいて,どのストロークをどこで返すべきかを客観的に判断することに焦点を当てる。
本稿では,ラリープログレスとプレーヤスタイルの融合フレームワーク(ShuttleNet)を提案する。
論文 参考訳(メタデータ) (2021-12-02T08:14:23Z) - Exploring the Long Short-Term Dependencies to Infer Shot Influence in
Badminton Matches [9.553207911311926]
ショットのプロセスを完全に記述するためのバドミントン言語を導入します。
本稿では,新しい短期抽出器と長期符号化器からなるディープラーニングモデルを提案する。
本モデルでは,収集結果に対するアクションシーケンスの透明性を実現するためのアテンション機構を組み込んだ。
論文 参考訳(メタデータ) (2021-09-14T04:44:40Z) - Workshop on Autonomous Driving at CVPR 2021: Technical Report for
Streaming Perception Challenge [57.647371468876116]
本稿では,現実的な自律運転シナリオのためのリアルタイム2次元物体検出システムについて紹介する。
私たちの検出器は、YOLOXと呼ばれる新しい設計のYOLOモデルで構築されています。
Argoverse-HDデータセットでは,検出のみのトラック/トラックで2位を7.8/6.1上回る41.0ストリーミングAPを達成した。
論文 参考訳(メタデータ) (2021-07-27T06:36:06Z) - Two-Stream Consensus Network: Submission to HACS Challenge 2021
Weakly-Supervised Learning Track [78.64815984927425]
弱い監督による時間的行動ローカライゼーションの目標は、ビデオの興味ある動作を時間的に特定し、分類することである。
この課題では,2ストリームコンセンサスネットワーク(TSCN)を主要なフレームワークとして採用しています。
この課題では,本手法が今後の学術研究のベースラインとなることを期待して,第2位にランクインした。
論文 参考訳(メタデータ) (2021-06-21T03:36:36Z)
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。