抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
スポーツでは,完全な技術的行動の本質は完全な情報構造パターンであり,行動の競技者の判断は実際に動き情報構造パターンの同定である。行動認識は,他の行動から知覚された行動を識別するための人間の脳の能力に言及し,それがフィールドに関する絶えず変化する運動情報に従ってそれを確認し,確認するとき,予測応答情報を得る。行動認識は主に2つの側面を含む:1つは視覚観察に基づく必要な行動情報を得ることであり,もう1つは得られた行動情報に基づく行動を判断することであるが,このプロセスの神経心理学的メカニズムはまだ知られていない。本論文では,クラスタリングアルゴリズムとマルチ特徴融合に基づく新しい鍵フレーム抽出法を,複雑なコンテンツ,多くの場面,および豊富な動作を有するスポーツビデオのために提案する。最初に,種々の特徴を融合して,次に,類似性測定を用いて,より完全かつ包括的に複雑なコンテンツを有するビデオを記述することができた。第2に,クラスタリングアルゴリズムを用いて,シーンに従ってスポーツビデオシーケンスをクラスタ化し,多くの場面の場合のショットの必要性を除去した。セグメンテーションの検出は困難で複雑である。第3に,最小運動標準に従ってキーフレームを抽出することは,豊富な動作でビデオコンテンツをより正確に表すことができる。同時に,本論文で使用するクラスタリングアルゴリズムは,要所フレーム抽出システムのオフラインコンピューティング効率を強化するために改良した。深層学習における古典的畳込みニューラルネットワークと再帰ニューラルネットワークアルゴリズムの長所と短所の解析に基づいて,本論文は,複雑な場面,複雑な動作,および高速運動の下で,ポストニューラルネットワークとハイブリッドニューラルネットワークアルゴリズムと比較して,人間行動の認識と解析に基づく改良畳込みネットワークと最適化を提案する。実験は,アルゴリズムが運動選手の訓練実行と完了の類似した人間観察を達成することを示した。他のアルゴリズムと比較して,それは,競技者の行動認識のための非常に高い学習率と精度を有することが検証された。Copyright 2022 Jianhua Yang. Translated from English into Japanese by JST.【JST・京大機械翻訳】
