Resumen

Se estudia un modelo de clasificación de videos de entrenamiento deportivo basado en aprendizaje profundo para apuntar a la baja precisión de clasificación causada por la aleatoriedad del movimiento objetivo en videos de entrenamiento deportivo. Se utiliza la tecnología de calibración de cámara para restaurar la posición del objetivo en el espacio tridimensional real. Después de la calibración de la cámara en el video, se preprocesa el video de entrenamiento deportivo. El segmento de video de entrada se divide en segmentos de longitud igual para obtener el subsegmento de video. Se extrae el campo de vectores de movimiento, la característica de brillo, la característica de color y la característica de textura del subsegmento de video, y las características extraídas se introducen en la red neuronal convolucional AlexNet. ReLU se utiliza como función de activación en esta red neuronal convolucional. Se utiliza la normalización local de respuesta para suprimir y mejorar la salida de las neuronas y resaltar el rendimiento de la información útil, de modo que los resultados de clasificación de salida sean más precisos. Se utiliza

• 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:Video de entrenamiento deportivo; Aprendizaje profundo; Tecnología de calibración de cámara; Red neuronal convolucional; Precisión de clasificación; Campo de vectores de movimiento
• Keywords:Sports training video; Deep learning; Camera calibration technology; Convolutional neural network; Classification accuracy; Motion vector field