Resumen

La detección de objetivos móviles está involucrada en muchos proyectos de ingeniería, pero es difícil debido a la velocidad fuertemente variable en el tiempo y al camino incierto. El reconocimiento de objetivos es la tecnología clave de la prueba automática de canastas de baloncesto. Además, el juicio preciso y oportuno de las canastas de baloncesto tiene un importante valor práctico. Por lo tanto, se propone un método de reconocimiento de canastas de baloncesto basado en un modelo de red neuronal profunda ligero mejorado (L-MobileNet). En primer lugar, la detección de la canasta se lleva a cabo mediante el algoritmo de transformación de círculos de Hough. Luego, con el fin de mejorar aún más la velocidad de detección de las canastas de baloncesto, basado en la red ligera MobileNet, se propone una red ligera mejorada (L-MobileNet). En primer lugar, para la convolución profundamente separable, la compresión de canales y la convolución de bloques reducen los parámetros y la comple

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Detección de objetivos en movimiento; Proyectos de ingeniería; Reconocimiento de objetivos; Canastas de baloncesto; Red neuronal de aprendizaje profundo; L-MobileNet
• Keywords:Moving target detection; Engineering projects; Goal recognition; Basketball goals; Deep learning network; L-MobileNet