|
面向篮球运动的智能比赛解析系统设计与实现 | |
论文目录 | |
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 论文主要工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-18页 |
| 第二章 相关技术简介 | 第18-26页 |
| 2.1 预处理和特征提取 | 第18-21页 |
| 2.1.1 图像视频预处理技术 | 第18页 |
| 2.1.2 图像特征提取技术 | 第18-20页 |
| 2.1.3 视频特征提取技术 | 第20-21页 |
| 2.2 图像分类和动作检测 | 第21-23页 |
| 2.2.1 图像分类技术 | 第21-22页 |
| 2.2.2 时序动作检测技术 | 第22-23页 |
| 2.3 计算机视觉里的损失函数 | 第23-24页 |
| 2.3.1 常用的损失函数 | 第23-24页 |
| 2.3.2 平滑的损失函数 | 第24页 |
| 2.4 注意力机制 | 第24-25页 |
| 2.4.1 图像分类里的注意力机制 | 第24-25页 |
| 2.4.2 视频分类里的注意力机制 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 面向篮球运动的智能解析算法 | 第26-44页 |
| 3.1 基础网络 | 第27-29页 |
| 3.1.1 基础网络C3D改为I3D | 第27-28页 |
| 3.1.2 加入空间注意力机制 | 第28-29页 |
| 3.1.3 加入时间注意力机制 | 第29页 |
| 3.2 鲁棒的动作检测解决方案 | 第29-32页 |
| 3.2.1 引入聚类方式设置锚点防止人工设置的不足 | 第30-31页 |
| 3.2.2 时间过滤器和逐类别的注意力机制 | 第31-32页 |
| 3.3 平滑的单帧分类解决方案 | 第32-35页 |
| 3.3.1 高斯分布损失权重 | 第33-34页 |
| 3.3.2 单帧分类结果修正动作检测结果的融合方案 | 第34-35页 |
| 3.4 算法性能评估 | 第35-42页 |
| 3.4.1 算法的实验环境 | 第35页 |
| 3.4.2 算法所需数据集 | 第35-37页 |
| 3.4.3 算法的评价指标 | 第37-38页 |
| 3.4.4 算法的性能分析 | 第38-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 系统的设计与实现 | 第44-62页 |
| 4.1 系统整体设计方案 | 第44-46页 |
| 4.2 系统开发环境 | 第46-47页 |
| 4.3 系统功能模块的设计与实现 | 第47-55页 |
| 4.3.1 服务端 | 第47-50页 |
| 4.3.2 客户端 | 第50-55页 |
| 4.3.3 数据通信 | 第55页 |
| 4.4 系统性能评估 | 第55-60页 |
| 4.4.1 系统实时性分析 | 第55-57页 |
| 4.4.2 系统鲁棒性分析 | 第57-58页 |
| 4.4.3 系统准确性分析 | 第58-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 本文总结 | 第62-63页 |
| 5.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间取得的研究成果 | 第70页 |
本篇论文共70页，点击
这进入下载页面 |
|
| Copyright(C) All Rights Reserved |
| 客服QQ：304386486 |
| 目录由用户 spacem** 提供，作者删除入口请点击这里 |