文献

J-GLOBAL ID：202002253824607964   整理番号：20A0592192

SFLNet:CNNベース回帰による直接スポーツ場位置決め【JST・京大機械翻訳】

SFLNet: Direct Sports Field Localization via CNN-Based Regression

著者 (1件)： Tarashima Shuhei (NTT Communications Corporation, Tokyo, Japan)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12046  ページ： 677-690  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,入力フレームで見られるスポーツフィールドに関連するパラメータ集合をその計量モデルに直接予測する,SFLNETと呼ばれる単一ショット回帰器を構築するための新しいアプローチを提案した。この問題は,スポーツ場の巨大なクラス内分散と予測される多数の自由パラメータにより困難である。これらの問題に対処するために,著者らは,マルチタスク学習フレームワークにおける意味的セグメンテーションと組み合わせて,著者らの回帰を訓練することを提案した。また,著者らは,スポーツフィールドの空間的一貫性を利用するために追加モジュールを導入して,それは回帰とセグメンテーション性能の両方を上げた。SFLNetは,人間のアノテーションされた点から点への対応関係から半自動的に構築できる訓練データセットで学習できる。著者らの知識に対して,本研究は,エンドツーエンドの深い学習フレームワークにのみ依存するこのスポーツフィールド位置確認問題を解決する最初の試みである。バスケットボールゲームに基づく著者らの新しいデータセットに関する実験により,ベースライン法に対する著者らのアプローチを検証した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *セグメンテーション ,  粒状材 ,  基準線 ,  エンドツーエンド方式 ,  学習 ,  スポーツ ,  ゲーム ,  アノテーション ,  バスケットボール ,  位置決め
準シソーラス用語： 訓練データ , 【Automatic Indexing@JST】

著者キーワード (4件)： ホモグラフィー ,  意味セグメンテーション ,  マルチタスク学習 ,  スポーツ解析学

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： CNN ,  スポーツ