بازشناسی اعمال کشتی با شبکه های عصبی عمیق

بازشناسی اعمال انسان با استفاده از دادههای تصویر و ویدیو کاربردهای فروانی دارد و پژوهشگران و علاقه مندان زیادی در این حوزه کار می کنند.یکی از حوزه هایی که کمتر به آن پرداخته شده بازشناسی اعمال ورزشهای تعاملی دونفره مانند کشتی است. در این مقاله، با معرفی مجموعه داده ای از فنونکشتی آزاد، بازشناسی اعمال این ورزش با استفاده از رویکرد یادگیری عمیق انجام شدهاست. برای بازشناسی، از شبکه ی LSTM استفاده کردیم. برای استخراج ویژگی، مدل Inception v۳ را بهکار بردیم که برای بازشناسی تصاویر آموزش دیده است. ابتدا فریم های ویدیویی به این شبکه داده شده و خروجی آن وارد شبکه پیشنهادی برمبنای LSTM میشود. برای جبران حجم نسبتا کم داده ها در یادگیری عمیق، از روشهای داده افزایی استفاده کرده و آزمایش ها را در حالت های مختلف انجام دادیم. نتایج به دست آمده نشان از تاثیر مثبت داده افزایی روی عمکرد سامانه دارد. میانگین دقت تشخیص بدون داده افزایی ۶۱/۶۵ و با داده افزایی دقتی برابر با ۶۶/۶۹ به دست آمد.

کلیدواژه ها:

یادگیری عمیق ، کشتی آزاد ، شبکه ISTM ، بازشناسی اعمال ، داده افزایی