文献

J-GLOBAL ID：202202278232348237   整理番号：22A0420269

ホールド形状を考慮したボルダリング課題の難度推定

著者 (9件)： 大西和歩 (大阪大 大学院情報科学研究科) ,  浦西友樹 (大阪大 大学院情報科学研究科) ,  浦西友樹 (大阪大 サイバーメディアセ) ,  RATSAMEE Photchara (大阪大 大学院情報科学研究科) ,  RATSAMEE Photchara (大阪大 サイバーメディアセ) ,  東田学 (大阪大 大学院情報科学研究科) ,  東田学 (大阪大 サイバーメディアセ) ,  劉暢 (京大 医 病院) ,  山本豪志朗 (京大 医 病院)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2022  号： CVIM-228  ページ： Vol.2022-CVIM-228,No.10,1-5 (WEB ONLY)  発行年： 2022年01月20日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： あらゆるスポーツにおいて,自身の技量を把握することは,上達を実感することや,更なる上達のためにすべきことを理解するうえで重要であり,ボルダリングもその例外ではない。ボウリングやアーチェリーなどの個人競技では,得点を自身の技量として定量的に評価できるが,一方で,ボルダリングも難度という定性的な指標が存在するものの,難度は主観的に決定されるので,一貫性がない。そこで本稿では,ボルダリングの難度決定に一貫性を持たせて信頼度を高めるために,ボルダリングのルートを客観的に分類する方法としてホールドの形状を考慮することのできるホールド難度予測モデルと課題難度予測モデルの2つの機械学習モデルを用いた難度分類手法を提案し,その検証結果について報告する。(著者抄録)

シソーラス用語： *スポーツ ,  レクリエーション ,  分類 ,  *機械学習 ,  度 ,  予測モデル ,  画像 ,  *画像処理 ,  実験
準シソーラス用語： ボルダリング ,  画像分類 ,  難易度 ,  評価実験

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

引用文献 (6件)：

• Ebert André, Schmid Kyrill: Automated recognition and difficulty assessment of boulder routes; HelthyIoT ’17, pp. 62-68 (2017.October)
• Kempen Lindsay: A fair grade: assessing difficulty of climbing routes through machine learning; Formal Methods and Tools, University of Twente,(2018)
• Alejandro Dobles, Juan Carlos Sarmiento: Machine Learning Methods for Climbing Route Classification; Stanford University, (2017)
• https://www.moonboard.com/
• Alex Krizhevsky, Ilya Sutskever: ImageNet Classification with Deep Convolutional Neural Networks; Advances In Neural Information Processing Systems ’12, pp. 1097-1105 (2012.December)

タイトルに関連する用語 (3件)： ボルダリング ,  難度 ,  推定