基于堆叠式长短期记忆网络的篮球运动员 微动作评价方法
DOI:
作者:
作者单位:

作者简介:

通讯作者:

基金项目:

山东省高等学校科技计划项目资助(J15LN83);山东省社会科学规划研究项目资助(14CTYJ21)


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    为了评估运动员微动作在持球回合中的贡献,提出一个端到端深度学习的评价方法.所提方法不需要复杂的特征提取(如状态间转换的定义和建模),而是将球员和篮球的原始轨迹作为输入,利用堆叠式长短期记忆(Long Short-Term Memory, LSTM)网络学习时空窗口的特征表示,通过一个额外的全连接层对场上球员的隐性空间表征进行级联处理.利用Softmax层对球员的终结动作(如投篮得分、失误、犯规等)的概率进行估计,每个终结动作均与一个预期分值关联,并用其估计预期得分.为了解决数据的不平衡性,对训练阶段使用参数化的下采样方案.实验结果表明:所提方法可以准确地估计回合结果的概率分布,对技术统计数据之外的微动作评价具有参考价值.

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

牛程程,鲁大营*,郑亚淼.基于堆叠式长短期记忆网络的篮球运动员 微动作评价方法[J].湖南科技大学学报(自然科学版),2022,37(2):95-103

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2022-09-06