为了对篮球比赛视频中的关键角色和重要事件进行检测,考虑到"注意力"与正在进行的篮球活动高度相关,提出一种基于注意力模型的方法。构建篮球比赛数据集,对11个关键的事件类型进行手工识别;对视频中的运动员进行跟踪,跟踪特...为了对篮球比赛视频中的关键角色和重要事件进行检测,考虑到"注意力"与正在进行的篮球活动高度相关,提出一种基于注意力模型的方法。构建篮球比赛数据集,对11个关键的事件类型进行手工识别;对视频中的运动员进行跟踪,跟踪特征采用双向长短期记忆(Bi-directional Long Short-Term Memory,BLSTM)网络表示,使用注意力模型从输入到输出对元素进行对齐;使用另一个BLSTM对受关注的特征进行处理,以进行事件的检测和分类。实验结果表明,所提方法在事件分类和检测上的性能均优于一些同类方法。另外,除对篮球事件进行识别之外,还能够识别参与事件中的关键球员。展开更多
文摘为了对篮球比赛视频中的关键角色和重要事件进行检测,考虑到"注意力"与正在进行的篮球活动高度相关,提出一种基于注意力模型的方法。构建篮球比赛数据集,对11个关键的事件类型进行手工识别;对视频中的运动员进行跟踪,跟踪特征采用双向长短期记忆(Bi-directional Long Short-Term Memory,BLSTM)网络表示,使用注意力模型从输入到输出对元素进行对齐;使用另一个BLSTM对受关注的特征进行处理,以进行事件的检测和分类。实验结果表明,所提方法在事件分类和检测上的性能均优于一些同类方法。另外,除对篮球事件进行识别之外,还能够识别参与事件中的关键球员。
