Resumen

La red neuronal convolucional se ha convertido en un tema de investigacin candente en el campo de la visin por ordenador debido a su rendimiento superior en la clasificacin de imgenes. Partiendo de estos antecedentes, el objetivo de este artculo es analizar imgenes de secuencias deportivas basndose en una red neuronal convolucional. Teniendo en cuenta la baja tasa de deteccin de una sola imagen y la complejidad de los algoritmos de deteccin de mltiples imgenes, este trabajo propone un nuevo algoritmo que combina la deteccin de una sola imagen y la deteccin de mltiples imgenes, con el fin de mejorar la tasa de deteccin de objetivos pequeos y reducir el tiempo de deteccin. Basndose en la red residual tradicional, se propone una red residual multiescala mejorada. La estructura de la red permite a la capa de convolucin observar datos de diferentes escalas y obtener caractersticas de entrada ms abundantes. Adems, se reduce la profundidad de la red, se suprime eficazmente el problema de desaparicin del gradiente y se reduce la dificultad de entrenamiento. Por ltimo, se utiliza el mtodo de aprendizaje conjunto de votacin por mayora relativa para reducir la tasa de error de clasificacin de la red al 3,99% en CIFAR-10, y la tasa de error se reduce en un 3% en comparacin con la red neuronal residual original.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:red neuronal de convolución; visión por ordenador; clasificación de imágenes; imágenes de secuencias deportivas; detección de fotogramas simples; detección de fotogramas múltiples; red residual; multiescala; aprendizaje conjunto; tasa de error de clasificación; CIFAR-10;
• Keywords:convolution neural network; computer vision; image classification; sports sequence images; single-frame detection; multiframe detection; residual network; multiscale; ensemble learning; classification error rate; CIFAR-10;