論文の概要: EITNet: An IoT-Enhanced Framework for Real-Time Basketball Action Recognition

• arxiv url: http://arxiv.org/abs/2410.09954v1
• Date: Sun, 13 Oct 2024 18:21:15 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-30 04:03:30.866705
• Title: EITNet: An IoT-Enhanced Framework for Real-Time Basketball Action Recognition
• Title（参考訳）: EITNet: リアルタイムバスケットボールアクション認識のためのIoT拡張フレームワーク
• Authors: Jingyu Liu, Xinyu Liu, Mingzhe Qu, Tianyi Lyu,
• Abstract要約: EITNetは、ディープラーニング、I3D時間オブジェクト抽出、時間解析のためのTimeSformerを組み合わせたフレームワークである。 私たちの貢献には、認識精度を92%向上する堅牢なアーキテクチャの開発が含まれています。 IoTテクノロジの統合は、リアルタイムデータ処理を強化し、プレイヤーのパフォーマンスと戦略に関する適応的な洞察を提供する。
• 参考スコア（独自算出の注目度）: 17.068932442773864
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Integrating IoT technology into basketball action recognition enhances sports analytics, providing crucial insights into player performance and game strategy. However, existing methods often fall short in terms of accuracy and efficiency, particularly in complex, real-time environments where player movements are frequently occluded or involve intricate interactions. To overcome these challenges, we propose the EITNet model, a deep learning framework that combines EfficientDet for object detection, I3D for spatiotemporal feature extraction, and TimeSformer for temporal analysis, all integrated with IoT technology for seamless real-time data collection and processing. Our contributions include developing a robust architecture that improves recognition accuracy to 92\%, surpassing the baseline EfficientDet model's 87\%, and reducing loss to below 5.0 compared to EfficientDet's 9.0 over 50 epochs. Furthermore, the integration of IoT technology enhances real-time data processing, providing adaptive insights into player performance and strategy. The paper details the design and implementation of EITNet, experimental validation, and a comprehensive evaluation against existing models. The results demonstrate EITNet's potential to significantly advance automated sports analysis and optimize data utilization for player performance and strategy improvement.
• Abstract（参考訳）: IoT技術をバスケットボールのアクション認識に統合することで、スポーツ分析を強化し、プレイヤーのパフォーマンスとゲーム戦略に関する重要な洞察を提供する。 しかし、既存の手法は精度と効率の点で不足することが多く、特にプレイヤーの動きが頻繁に妨げられ、複雑な相互作用が伴う複雑なリアルタイム環境では顕著である。 これらの課題を克服するために,オブジェクト検出のためのEfficientDet,時空間特徴抽出のためのI3D,時間解析のためのTimeSformerを組み合わせたディープラーニングフレームワークであるEITNetモデルを提案する。 私たちの貢献は、認識精度を92\%に向上する堅牢なアーキテクチャの開発、ベースラインのEfficientDetモデルの87\%を超えること、EfficientDetの9.0以上の50のエポックに比べて5.0未満の損失削減などです。 さらに、IoTテクノロジの統合は、リアルタイムデータ処理を強化し、プレイヤーのパフォーマンスと戦略に関する適応的な洞察を提供する。 本稿では,EITNetの設計と実装,実験検証,既存モデルに対する総合評価について述べる。 その結果、EITNetが自動スポーツ分析を大幅に進歩させ、選手のパフォーマンスと戦略改善のためのデータ利用を最適化する可能性を実証した。

関連論文リスト

• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• What is YOLOv9: An In-Depth Exploration of the Internal Features of the Next-Generation Object Detector [0.0]
  本研究は, YOLOv9オブジェクト検出モデルに焦点をあて, アーキテクチャの革新, トレーニング方法論, 性能改善に焦点をあてる。 汎用高効率層集約ネットワークGELANやProgrammable Gradient Information PGIといった重要な進歩は、特徴抽出と勾配流を著しく向上させる。 本稿では, YOLOv9の内部特徴とその実世界の応用性について, リアルタイム物体検出の最先端技術として確立した。
  論文  参考訳（メタデータ） (2024-09-12T07:46:58Z)
• An Efficient Real-Time Object Detection Framework on Resource-Constricted Hardware Devices via Software and Hardware Co-design [11.857890662690448]
  本稿では,ハードウェアとソフトウェアの共同設計による資源制約のあるハードウェアデバイス上での効率的なリアルタイムオブジェクト検出フレームワークを提案する。 その結果,提案手法はモデルサイズを大幅に削減し,実行時間を短縮できることがわかった。
  論文  参考訳（メタデータ） (2024-08-02T18:47:11Z)
• Efficient Facial Landmark Detection for Embedded Systems [1.0878040851638]
  本稿では、電力消費と時間遅延に関する課題に直面するエッジデバイス向けに特別に設計された、効率的な顔画像位置検出(EFLD)モデルを提案する。 EFLDは軽量のバックボーンとフレキシブルな検出ヘッドを備えており、それぞれがリソース制約されたデバイスの運用効率を大幅に向上する。 予測コストを増大させることなく,モデルの一般化性と堅牢性を高めるためのクロスフォーマットトレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2024-07-14T14:49:20Z)
• Latency-aware Unified Dynamic Networks for Efficient Image Recognition [72.8951331472913]
  LAUDNetは動的ネットワークの理論的および実用的な効率ギャップを橋渡しするフレームワークである。 3つの主要な動的パラダイム - 適応型計算、動的層スキップ、動的チャネルスキップ - を統合している。 これにより、V100,3090やTX2 GPUのようなプラットフォーム上で、ResNetのようなモデルの遅延を50%以上削減できる。
  論文  参考訳（メタデータ） (2023-08-30T10:57:41Z)
• Spatiotemporal Attention-based Semantic Compression for Real-time Video Recognition [117.98023585449808]
  本稿では,各フレームにおけるフレームと画素の重要性を評価するために,時間的注意に基づくオートエンコーダ(STAE)アーキテクチャを提案する。 我々は3D-2D CNNを組み合わせた軽量デコーダを開発し、欠落した情報を再構成する。 実験の結果,VT_STAEはビデオデータセットH51を,5%の精度で104倍圧縮できることがわかった。
  論文  参考訳（メタデータ） (2023-05-22T07:47:27Z)
• Scalable Vehicle Re-Identification via Self-Supervision [66.2562538902156]
  自動車再同定は、都市規模の車両分析システムにおいて重要な要素の1つである。 車両再設計のための最先端のソリューションの多くは、既存のre-idベンチマークの精度向上に重点を置いており、計算の複雑さを無視することが多い。 推論時間に1つのネットワークのみを使用する自己教師型学習によって、シンプルで効果的なハイブリッドソリューションを提案する。
  論文  参考訳（メタデータ） (2022-05-16T12:14:42Z)
• Contextualized Spatio-Temporal Contrastive Learning with Self-Supervision [106.77639982059014]
  時間的にきめ細かな表現を効果的に学習するためのConST-CLフレームワークを提案する。 まず、コンテキスト特徴によって導かれるインスタンス表現をあるビューから別のビューに変換することを学習するモデルを必要とする地域ベースの自己教師型タスクを設計する。 次に、全体的および局所的な表現の同時学習を効果的に調整するシンプルな設計を導入する。
  論文  参考訳（メタデータ） (2021-12-09T19:13:41Z)
• Learnable Online Graph Representations for 3D Multi-Object Tracking [156.58876381318402]
  3D MOT問題に対する統一型学習型アプローチを提案します。 我々は、完全にトレーニング可能なデータアソシエーションにNeural Message Passing Networkを使用します。 AMOTAの65.6%の最先端性能と58%のIDスウィッチを達成して、公開可能なnuScenesデータセットに対する提案手法のメリットを示す。
  論文  参考訳（メタデータ） (2021-04-23T17:59:28Z)
• Multiple feature fusion-based video face tracking for IoT big data [1.8907108368038217]
  積分ヒストグラムに基づく多機能融合アルゴリズムとリアルタイム更新追跡粒子フィルタリングモジュールを提案する。 その結果,このアルゴリズムは映像追跡精度を向上し,粒子操作の複雑さを単純化し,速度を向上し,反干渉能力とロバスト性が向上した。
  論文  参考訳（メタデータ） (2021-04-15T07:10:13Z)

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。