[논문]MobileNetV3 전이학습 기반 스포츠 비디오 클립 추출 구현

위리

doi:10.13067/jkiecs.2022.17.5.897

MobileNetV3 전이학습 기반 스포츠 비디오 클립 추출 구현
Implementation of Sports Video Clip Extraction Based on MobileNetV3 Transfer Learning 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.17 no.5, 2022년, pp.897 - 904

위리 (호남대학교 컴퓨터공학과)

초록
AI-Helper

스포츠 영상은 중요한 정보 자원에 속하여 있고 정확다가 높게 스포츠 영상 속에 유효 클립을 추출할 수 있어서 코치를 잘 보조하여 영상에서 선수들의 동작을 분석하며 사용자가 더 직관적으로 선수들의 타격 자세를 감상할 수 있다. 현재 스포츠 영상 클립 추출된 결과가 주관이 뚜렷하고 업무량이 많고 저효율 등 결함에 대해 MobileNetV3을 기반으로 스포츠 비디오 클립 분류 방법을 제시하였고 사용자의 시간이 절약하게 한다. 실험이 추출된 유효 클립에 대한 유효성 평가를 진행했으며 추출된 클립에서 유효적인 비율은 97.0%로 자지해서 유효 클립이 추출된 결과는 양호를 밝히는 동시 후속 배드민턴 동작의 원본 영상 데이터 집합의 구성을 위한 기초를 다진다.

Abstract ▼ AI-Helper

Sports video is a very critical information resource. High-precision extraction of effective segments in sports video can better assist coaches in analyzing the player's actions in the video, and enable users to more intuitively appreciate the player's hitting action. Aiming at the shortcomings of the current sports video clip extraction results, such as strong subjectivity, large workload and low efficiency, a classification method of sports video clips based on MobileNetV3 is proposed to save user time. Experiments evaluate the effectiveness of effective segment extraction. Among the extracted segments, the effective proportion is 97.0%, indicating that the effective segment extraction results are good, and it can lay the foundation for the construction of the subsequent badminton action metadata video dataset.

주제어

표/그림 (13)

그림 그림 1. 원래의 마지막 단계와 효율적인 마지막 단계의 비교 Fig. 1 Comparison of original last stage and efficient last stage
그림 그림 2. 비디오 클립 인식 프로세스 Fig. 2 Video clip recognition process
그림 그림 3. 시각도 Fig. 3 an angle chart
그림 그림 4. 데이터 강화 처리도 Fig. 4 data augmentation processing
그림 그림 5. 배드민턴 영상 분할 과정 Fig. 5 badminton video segment segmentation process
그림 그림 6. GoogleNet 원본 모델과 전이 학습 비교 Fig. 6 GoogleNet original model vs transfer learning
그림 그림 7. VGG16 원본 모델과 전이 학습 비교 Fig. 7 VGG16 original model vs transfer learning
그림 그림 8. ResNet50 원본 모델과 전이 학습 비교 Fig. 8 ResNet50 original model vs transfer learning
그림 그림 9. MobileNetV3 원본 모델과 전이 학습 비교 Fig. 9 MobileNetV3 original model vs transfer
그림 그림 10. 무효 시각 인식 결과 Fig. 10 Useless view recognition results
그림 그림 11. 방송 시각 인식 결과 Fig. 11 Broadcast perspective recognition results
그림 그림 12. 코트 시각 인식 결과 Fig. 12 Court view recognition results
표 표 1. 전이 알고리즘 인증 결과 Table 1. Migration Algorithm Verification Results

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증