典型文献
基于CBAM-DCNN-BiLSTM的蹴球动作识别与评估
文献摘要：
当前蹴球训练方式主要依赖于教练员个人经验,缺乏数据化的科学训练手段.利用惯性传感器对蹴球运动数据进行采集和挖掘,可对运动动作进行有效识别和评估.然而,现有人体活动识别算法模型对下半身运动传感数据的信息敏感度偏低,重要特征表达能力不强,且对时间信息的利用不够充分.基于此,提出了一种由空洞卷积神经网络(DCNN)与双向长短期记忆循环神经网络(BiLSTM)融合的模型,通过将通道注意力机制与空间注意力机制相结合的卷积注意力模块CBAM引入网络中,以提高模型对于重要特征的表达能力.实验结果表明:该模型在蹴球动作识别与评估任务中比同类神经网络模型具有更好的性能,其精确率、召回率以及F1值可分别达到99.05％、99.04％、99.04％.
文献关键词：
蹴球;民族体育;动作识别;注意力机制;融合模型
中图分类号：
作者姓名：
王志佳;蓝雯飞;张潇;侯志涛;金宁
作者机构：
中南民族大学 计算机科学学院,武汉 430074;中南民族大学 体育学院,武汉 430074
文献出处：
引用格式：
[1]王志佳;蓝雯飞;张潇;侯志涛;金宁-.基于CBAM-DCNN-BiLSTM的蹴球动作识别与评估)[J].中南民族大学学报（自然科学版）,2022(05):599-605
A类：
B类：
CBAM,DCNN,BiLSTM,蹴球,动作识别,训练方式,教练员,个人经验,数据化,科学训练,训练手段,用惯,惯性传感器,球运,运动数据,运动动作,人体活动识别,识别算法,算法模型,下半身,运动传感,传感数据,特征表达,表达能力,时间信息,空洞卷积神经网络,双向长短期记忆,长短期记忆循环神经网络,通道注意力机制,空间注意力机制,卷积注意力模块,入网,中比,类神经网络,精确率,召回率,民族体育,融合模型
AB值：
0.433945
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
