論文の概要: BadminSense: Enabling Fine-Grained Badminton Stroke Evaluation on a Single Smartwatch

• arxiv url: http://arxiv.org/abs/2603.21825v2
• Date: Tue, 24 Mar 2026 04:00:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 12:42:17.609742
• Title: BadminSense: Enabling Fine-Grained Badminton Stroke Evaluation on a Single Smartwatch
• Title（参考訳）: BadminSense: 単一スマートウォッチのバドミントンストローク評価
• Authors: Taizhou Chen, Kai Chen, Xingyu Liu, Pingchuan Ke, Zhida Sun,
• Abstract要約: BadminSenseは、ウェアラブルセンサーを用いたきめ細かいバドミントンパフォーマンス分析のためのスマートウォッチベースのシステムである。 BadminSenseは、ストロークをセグメントし、分類し、ストロークの品質を予測し、オフザシェルフスマートウォッチの振動信号を使ってシャトルの衝突位置を推定する。 評価の結果,BadminSenseの脳卒中分類精度は91.43%,平均品質評価誤差は0.438,平均衝撃位置推定誤差は12.9%であった。
• 参考スコア（独自算出の注目度）: 19.838702189801097
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Evaluating badminton performance often requires expert coaching, which is rarely accessible for amateur players. We present BadminSense, a smartwatch-based system for fine-grained badminton performance analysis using wearable sensing. Through interviews with experienced badminton players, we identified four system design requirements with three implementation insights that guide the development of BadminSense. We then collected a badminton strokes dataset on 12 experienced badminton amateurs and annotated it with fine-grained labels, including stroke type, expert-assessed stroke rating, and shuttle impact location. Built on this dataset, BadminSense segments and classifies strokes, predicts stroke quality, and estimates shuttle impact location using vibration signal from an off-the-shelf smartwatch. Our evaluations show that BadminSense achieves a stroke classification accuracy of 91.43%, an average quality rating error of 0.438, and an average impact location estimation error of 12.9%. A real-world usability study further demonstrates BadminSense's potential to provide reliable and meaningful support for daily badminton practice.
• Abstract（参考訳）: バドミントンのパフォーマンスを評価するには、しばしば専門家のコーチングが必要であり、アマチュア選手にはめったにアクセスできない。 本稿では,ウェアラブルセンサを用いたきめ細かいバドミントン性能解析のためのスマートウォッチベースのシステムであるBadminSenseを提案する。 経験豊富なバドミントン奏者へのインタビューを通じて,バドミンセンスの開発を導く3つの実装洞察を持つ4つのシステム設計要件を特定した。 次に、経験豊富な12人のバドミントンアマチュアを対象に、バドミントンストロークデータセットを収集し、ストロークタイプ、専門家評価ストローク評価、シャトル衝突位置などの詳細なラベルを付けました。 このデータセット上に構築されたBadminSenseは、ストロークをセグメント化し分類し、ストロークの品質を予測し、市販のスマートウォッチからの振動信号を使ってシャトルの衝突位置を推定する。 評価の結果,BadminSenseの脳卒中分類精度は91.43%,平均品質評価誤差は0.438,平均衝撃位置推定誤差は12.9%であった。 現実世界のユーザビリティ調査は、バドミンセンスが日々のバドミントン練習に信頼性があり有意義な支援を提供する可能性をさらに示している。

関連論文リスト

• BST: Badminton Stroke-type Transformer for Skeleton-based Action Recognition in Racket Sports [0.0]
  本研究では,バドミントン放送の試合において,各選手のラケットスイングのフレームを抽出する新しいビデオクリッピング手法を提案する。 これらのクリップされたフレームは、既存の3つのモデルによって処理される。 本研究では,Badminton Stroke-type Transformer (BST)を提案する。
  論文  参考訳（メタデータ） (2025-02-28T14:18:39Z)
• 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)
• Benchmarking Stroke Forecasting with Stroke-Level Badminton Dataset [13.502952342104644]
  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での既存の作業のベンチマークには、CoachAI Badminton Challenge @ IJCAI 2023でのTrack 2: Forecasting Future Turn-Based Strokes in Badminton Ralliesという課題がある。
  論文  参考訳（メタデータ） (2023-06-27T17:57:34Z)
• Hang-Time HAR: A Benchmark Dataset for Basketball Activity Recognition using Wrist-Worn Inertial Sensors [47.33629411771497]
  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)
• P2ANet: A Dataset and Benchmark for Dense Action Detection from Table Tennis Match Broadcasting Videos [64.57435509822416]
  この作品は、ワールド・テーブルテニス選手権とオリンピアードのプロの卓球試合の放送ビデオから収集された2,721本のビデオクリップで構成されている。 強調局所化と強調認識という2つのアクション検出問題を定式化する。 その結果、TheNameは依然として困難なタスクであり、ビデオからの高密度なアクション検出のための特別なベンチマークとして使用できることを確認した。
  論文  参考訳（メタデータ） (2022-07-26T08:34:17Z)
• A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications [60.3327085463545]
  本稿では,スポーツ分析のための映像行動認識に関する調査を行う。 サッカー、バスケットボール、バレーボール、ホッケー、フィギュアスケート、体操、卓球、ダイビング、バドミントンなど10種以上のスポーツを紹介します。 本研究では,サッカー,バスケットボール,卓球,フィギュアスケート動作認識をサポートするPaddlePaddleを用いたツールボックスを開発した。
  論文  参考訳（メタデータ） (2022-06-02T13:19:36Z)
• 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)

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。