摘要
本发明属于图像处理与计算机视觉技术领域,具体涉及一种基于YOWOV3改进LSKA与AFGC的羽毛球运动动作检测算法。该算法利用YOWOV3网络。第一个流使用2D CNN网络从图像中提取空间和上下文信息。第二个流使用3D CNN网络实现,专注于提取时间信息和运动。组合这两个流的输出以获得捕获视频的空间和时间信息的特征。最后,使用CNN层基于这些提取的特征进行预测。在2D网络残差模块中加入了LSKA注意力机制,从而使网络更关注浅层和深层的特征信息,确保关键信息被保留,提高时空特征提取能力。3D网络则采用I3D网络进行空间特征提取。最终,设计了一个新的融合模块AFGC,将2D网络与3D网络进行融合,并对融合后的特征进行检测,从而获得视频中目标行为的类别、持续时间和位置信息。
技术关键词
羽毛球运动数据
空间特征提取
注意力机制
残差模块
关键帧
识别视频数据
多尺度特征融合
算法
多尺度特征提取
特征提取能力
计算机视觉技术
细粒度特征
动作特征
标注工具
运动特征
网络结构
系统为您推荐了相关专利信息
深度学习算法
加速网络收敛
特征提取方法
激光散斑衬比
解码器
微型机器人
空间特征提取
特征提取模型
联合损失函数
时序特征
语音提示模块
判别模块
引入注意力机制
神经网络模型
垃圾桶
马铃薯缺陷检测
马铃薯图像
注意力机制
亮度
马铃薯设备