論文の概要: BasketHAR: A Multimodal Dataset for Human Activity Recognition and Sport Analysis in Basketball Training Scenarios

• arxiv url: http://arxiv.org/abs/2604.17065v1
• Date: Sat, 18 Apr 2026 16:51:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.315558
• Title: BasketHAR: A Multimodal Dataset for Human Activity Recognition and Sport Analysis in Basketball Training Scenarios
• Title（参考訳）: BasketHAR: バスケットボールトレーニングシナリオにおける人間活動認識とスポーツ分析のためのマルチモーダルデータセット
• Authors: Xian Gao, Haoyue Zhang, Zongyun Zhang, Jiacheng Ruan, Ting Liu, Yuzhuo Fu,
• Abstract要約: BasketHARは、バスケットボールのトレーニングに適した新しいHARデータセットである。 これには慣性測定装置(加速度計とジャイロスコープ)、角速度、磁場、心拍数、皮膚温度、同期ビデオ記録からの包括的な動きデータが含まれる。 バスケットボールのトレーニングセッションの分析や,パフォーマンスレポートの生成において,その可能性を強調した。
• 参考スコア（独自算出の注目度）: 20.26521465695023
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human Activity Recognition (HAR) involves the automatic identification of user activities and has gained significant research interest due to its broad applicability. Most HAR systems rely on supervised learning, which necessitates large, diverse, and well-annotated datasets. However, existing datasets predominantly focus on basic activities such as walking, standing, and stair navigation, limiting their utility in specialized contexts like sports performance analysis. To address this gap, we present BasketHAR, a novel multimodal HAR dataset tailored for basketball training, encompassing a diverse set of professional-level actions. BasketHAR includes comprehensive motion data from inertial measurement units (accelerometers and gyroscopes), angular velocity, magnetic field, heart rate, skin temperature, and synchronized video recordings. We also provide a baseline multimodal alignment method to benchmark performance. Experimental results underscore the dataset's complexity and suitability for advanced HAR tasks. Furthermore, we highlight its potential applications in the analysis of basketball training sessions and in the generation of specialized performance reports, representing a valuable resource for future research in HAR and sports analytics. The dataset are publicly accessible at https://huggingface.co/datasets/Xian-Gao/BasketHAR licensed under Apache License 2.0.
• Abstract（参考訳）: HAR(Human Activity Recognition)は、ユーザアクティビティの自動識別を伴い、その広範囲な適用性から研究の関心を集めている。 ほとんどのHARシステムは教師付き学習に依存しており、大きく、多様で、よく注釈付けされたデータセットを必要とする。 しかし、既存のデータセットは主にウォーキング、スタンディング、階段ナビゲーションといった基本的な活動に重点を置いており、スポーツパフォーマンス分析のような専門的な文脈での使用を制限している。 このギャップに対処するために、バスケットボールのトレーニングに適した新しいマルチモーダルHARデータセットであるBasketHARを紹介します。 BasketHARには、慣性測定ユニット(加速度計とジャイロスコープ)、角速度、磁場、心拍数、皮膚温度、同期ビデオ記録からの包括的な動きデータが含まれている。 また,ベンチマーク性能の基準となるマルチモーダルアライメント手法を提案する。 実験結果は、高度なHARタスクに対するデータセットの複雑さと適合性を強調している。 さらに,バスケットボールのトレーニングセッションの分析や,HARとスポーツアナリティクスの今後の研究における貴重な資料である特別パフォーマンスレポートの生成において,その可能性を強調した。 データセットは、https://huggingface.co/datasets/Xian-Gao/BasketHARでApache License 2.0でライセンスされている。

関連論文リスト

• WearableMil: An End-to-End Framework for Military Activity Recognition and Performance Monitoring [7.130450173185638]
  本稿では、軍事訓練におけるウェアラブルデータからの活動の事前処理、分析、認識のためのエンドツーエンドフレームワークを提案する。 textitGarmin-55スマートウォッチを6ヶ月以上、1500万分以上使用した兵士135人のデータを使っています。 我々のフレームワークは、生理学的にインフォームドされた方法で欠落したデータに対処し、未知の睡眠状態を40.38%から3.66%に減らした。
  論文  参考訳（メタデータ） (2024-10-07T19:35:15Z)
• A Comprehensive Methodological Survey of Human Activity Recognition Across Divers Data Modalities [2.916558661202724]
  人間活動認識(HAR)システムは、人間の行動を理解し、それぞれの行動にラベルを割り当てることを目的としている。 HARは、RGB画像やビデオ、スケルトン、深度、赤外線、ポイントクラウド、イベントストリーム、オーディオ、アクセラレーション、レーダー信号など、さまざまなデータモダリティを利用することができる。 本稿は,2014年から2024年までのHARの最新の進歩に関する包括的調査である。
  論文  参考訳（メタデータ） (2024-09-15T10:04:44Z)
• MuJo: Multimodal Joint Feature Space Learning for Human Activity Recognition [2.7532797256542403]
  HAR(Human Activity Recognition)は、人工知能における長年の問題であり、幅広い分野で応用されている。 本研究では,HAR 性能を向上させるため,総合的な Fitness Multimodal Activity データセット (FiMAD) を導入する。 本研究では,MM-Fit,myoGym, MotionSense, MHEALTHなどの実HARデータセットの性能向上を図る。
  論文  参考訳（メタデータ） (2024-06-06T08:42:36Z)
• Cross-Domain HAR: Few Shot Transfer Learning for Human Activity Recognition [0.2944538605197902]
  本稿では,HARデータセットを有効な転送学習に利用するための経済的なアプローチを提案する。 本稿では,教師が学習する自己学習パラダイムに則って,新たな伝達学習フレームワークであるクロスドメインHARを紹介する。 本手法の有効性を,撮影活動認識のシナリオで実証する。
  論文  参考訳（メタデータ） (2023-10-22T19:13:25Z)
• 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)
• FLAG3D: A 3D Fitness Activity Dataset with Language Instruction [89.60371681477791]
  FLAG3Dは,60カテゴリの180Kシーケンスを含む言語命令付き大規模3Dフィットネスアクティビティデータセットである。 FLAG3Dは、クロスドメインなヒューマンアクション認識、動的ヒューマンメッシュリカバリ、言語誘導型ヒューマンアクション生成など、さまざまな課題に対して大きな研究価値を提供する。
  論文  参考訳（メタデータ） (2022-12-09T02:33:33Z)
• 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)
• TAO: A Large-Scale Benchmark for Tracking Any Object [95.87310116010185]
  オブジェクトのデータセットの追跡は2,907本の高解像度ビデオで構成され、平均で30分の長さの多様な環境でキャプチャされる。 ビデオの任意の時点で移動するオブジェクトにアノテータにラベルを付け、ファクトラムの後に名前を付けるように求めます。 我々の語彙は、既存の追跡データセットと著しく大きく、質的に異なる。
  論文  参考訳（メタデータ） (2020-05-20T21:07:28Z)
• Comprehensive Instructional Video Analysis: The COIN Dataset and Performance Evaluation [100.68317848808327]
  包括的インストラクショナルビデオ解析のための大規模データセット「COIN」を提案する。 COINデータセットには、日々の生活に関連する12の領域で180のタスクの11,827の動画が含まれている。 新しい開発ツールボックスでは、すべてのビデオに一連のステップラベルと対応する時間境界がアノテートされる。
  論文  参考訳（メタデータ） (2020-03-20T16:59:44Z)

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。