• ВХОД

    •  

    Полное описание


     Использование методов глубокого машинного обучения для обнаружения и сопровождения спортсменов в потоке видеоданных = Using deep machine learning techniques to detect and track athletes in the video data stream / В. В. Хрящев, А. Л. Приоров, Д. В. Матвеев, Ю. А. Лукашевич. - DOI 10.18127/j19998554-202306-04. - Текст : непосредственный // Нейрокомпьютеры: разработка, применение = Neurocomputers : международный научно-технический журнал. - 2023. - Том 25, N 6. - С. 37-46. - Библиогр. в конце ст. - ISSN 1999-8554.
    (Шифр в БД У2414/2023/25/6)
    ГРНТИ УДК
    28.23.25004.85-049.8
    28.23.37004.032.26

    Рубрики:
    Машинное обучение -- Применение
    Нейронные сети

    Кл.слова (ненормированные): детектирование -- трекинг -- алгоритм jde -- компьютерное зрение -- машинное обучение
    Аннотация: В области компьютерного зрения одним из ключевых направлений исследований являются алгоритмы обнаружения и отслеживания объектов на видеоданных. Основным отличием алгоритма отслеживания (сопровождения, трекинга) от модели обнаружения объектов является тот факт, что после обработки первого видеокадра, на котором обнаружены целевые объекты, на последующих видеокадрах алгоритму ничего не требуется знать о целях, кроме их местоположений, полученных из предыдущего кадра. Задача детектирования и отслеживания людей на видеоданных актуальна во многих сферах компьютерного зрения, в частности, в области спорта для сбора статистических данных об игроках.
    Цель исследования - разработать и обучить сверточную нейронную сеть с помощью алгоритма глубокого машинного обучения JDE, предназначенного для решения задачи обнаружения и отслеживания людей на видеоданных в режиме реального времени.
    Представлены результаты исследования алгоритма JDE для обнаружения и отслеживания целевых объектов на видеоданных (спортсменов на видеозаписях с соревнований). Обучена разработанная сверточная нейронная сеть и протестирована на суперкомпьютере NVIDIA DGX-1. Проанализировано качество работы модели с использованием показателя MOTA, который напрямую соотносится с тем, как человеческий глаз отслеживает целевые объекты в видеопотоке. Оценено качество работы алгоритма JDE на видеороликах с отрывками игр баскетбольных команд, проводимых в спортивном зале ЯрГУ им. П.Г. Демидова.
    Результаты исследований можно использовать в различных видах спорта для сбора статистики об игроках с целью повышения эффективности их выступлений.
    Доп. точки доступа:
    Хрящев, Владимир Вячеславович
    Приоров, Андрей Леонидович
    Матвеев, Дмитрий Вячеславович
    Лукашевич, Юрий Александрович

    Экз-ры полностью У2414/2023/25/6
    Имеются экземпляры в отделах: всего 2 : ПНТ (1), ХРЦ (1)
    Свободны: ПНТ (1), ХРЦ (1)
    Переход по DOI



    Заказ фрагмента документа ₽