新聞中心首頁
利用卷積神經網絡技術和實際比賽視頻,德國一個研究團隊訓練出能夠識別運動員情緒的AI(人工智能)模型。它根據網球運動員在比賽中的肢體語言識別其情感狀態,準確率可達到人類觀察者水平。
德國卡爾斯魯厄理工學院和杜伊斯堡-埃森大學研究人員在新一期人工智能領域學術期刊《知識係統》上發表論文說,他們使用真實的比賽場景而非模擬或人工合成數據來訓練人工智能係統。
研究人員在特定環境中錄製了15名網球運動員的比賽視頻,重點關注他們得分或輸球時的肢體語言表達,例如低頭、興奮地舉起手臂、垂下球拍或走路速度改變等,這些肢體語言可用於識別運動員的情感狀態。
這些視頻數據被用於訓練一個基於卷積神經網絡技術的人工智能模型。通過訓練,該模型能夠將運動員的肢體語言與不同的情感反應聯係起來,並可根據運動員在一個回合後的肢體語言判斷其得分還是丟分。研究人員介紹,該模型識別運動員情感狀態的準確率高達68.9%,與人類觀察者的識別水平相當。
研究還顯示,人工智能模型和人類觀察者都更善於識別負麵情緒,這可能因為負麵情緒以更明顯的方式被表達出來。
研究人員表示,在自然語境中進行訓練是利用人工智能技術識別情感狀態的重要進步,這使得在真實場景中預測成為可能。該技術在體育領域具有廣泛應用前景,例如可用於改進訓練方法、提升團隊動力和表現、防止倦怠等;還可用於醫療保健、教育、客服等方麵。
|
焦作網免責聲明: | ||||||||
|
利用卷積神經網絡技術和實際比賽視頻,德國一個研究團隊訓練出能夠識別運動員情緒的AI(人工智能)模型。它根據網球運動員在比賽中的肢體語言識別其情感狀態,準確率可達到人類觀察者水平。
德國卡爾斯魯厄理工學院和杜伊斯堡-埃森大學研究人員在新一期人工智能領域學術期刊《知識係統》上發表論文說,他們使用真實的比賽場景而非模擬或人工合成數據來訓練人工智能係統。
研究人員在特定環境中錄製了15名網球運動員的比賽視頻,重點關注他們得分或輸球時的肢體語言表達,例如低頭、興奮地舉起手臂、垂下球拍或走路速度改變等,這些肢體語言可用於識別運動員的情感狀態。
這些視頻數據被用於訓練一個基於卷積神經網絡技術的人工智能模型。通過訓練,該模型能夠將運動員的肢體語言與不同的情感反應聯係起來,並可根據運動員在一個回合後的肢體語言判斷其得分還是丟分。研究人員介紹,該模型識別運動員情感狀態的準確率高達68.9%,與人類觀察者的識別水平相當。
研究還顯示,人工智能模型和人類觀察者都更善於識別負麵情緒,這可能因為負麵情緒以更明顯的方式被表達出來。
研究人員表示,在自然語境中進行訓練是利用人工智能技術識別情感狀態的重要進步,這使得在真實場景中預測成為可能。該技術在體育領域具有廣泛應用前景,例如可用於改進訓練方法、提升團隊動力和表現、防止倦怠等;還可用於醫療保健、教育、客服等方麵。
|
焦作網免責聲明: | ||||||||
|
|
|