TY -的A2信号Gaurav盟——刘,鲁伊PY - 2021 DA - 2021/12/28 TI -运动员姿态估计技术的研究在体育游戏视频结合Multiresidual模块卷积神经网络SP - 4367875六世- 2021 AB -在这篇文章中,我们提出一个Multiresidual模块卷积神经网络方法对运动员的姿势估计在体育游戏视频。网络首先设计一种改进的剩余模块基于传统剩余模块。首先,一个大的知觉领域剩余模块旨在学习体育游戏视频中运动员组件之间的相关性在知觉领域。论文中多尺度剩余模块设计,以更好地解决错误的姿势估计由于问题规模变化的运动员在体育游戏视频组件。其次,这三个剩余模块作为卷积神经网络的构建块。分辨率高,大的知觉场剩余模块和多尺度剩余模块用于捕获信息在更大范围内以及在每个规模,当分辨率很低,只有提高剩余模块使用。最后,四个multiresidual模块卷积神经网络用于形成最终multiresidual模块堆叠卷积神经网络。本文提出的神经网络模型实现精度高89.5%和88.2%的上臂和下臂,分别,所以本文的方法减少了阻塞对运动员的姿态估计的影响在一定程度上。通过实验,可以看出该multiresidual模块堆叠卷积神经网络方法在体育比赛的视频中运动员的姿势估计进一步提高运动员的姿势估计的准确性在体育游戏视频。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/4367875 - 10.1155 / 2021/4367875摩根富林明计算智力和神经科学PB - Hindawi KW - ER