用半监督方法自动识别柔道比赛阶段，提升赛事分析效率。
Annotation Techniques for Judo Combat Phase Classification from Tournament Footage
- 结合迁移学习与半监督策略，从固定视角视频中提取比赛阶段信息。
- 在19段30秒视频上测试，三类阶段分类F1得分分别为0.66、0.78、0.87。
- 适合需要自动化赛事分析的体育技术团队或教练研究使用。
本文提出一种半监督方法，利用直播录像自动提取并分析柔道比赛中的对抗阶段。目标是实现柔道比赛直播内容的自动化标注与摘要生成。通过训练模型从固定视角的柔道视频中提取关键实体并分类比赛阶段，采用半监督方法缓解领域内标注数据有限的问题。基于微调后的目标检测器进行迁移学习，构建比赛阶段模型，以判断比赛状态、活动情况及选手站姿。在包含19个30秒片段的数据集上进行评估，对三类比赛阶段的20%测试集分别取得0.66、0.78和0.87的F1分数。结果表明，该方法在有限标注数据下具备自动化复杂信息检索任务的初步潜力。
原文摘要 · Abstract (English)
This paper presents a semi-supervised approach to extracting and analyzing combat phases in judo tournaments using live-streamed footage. The objective is to automate the annotation and summarization of live streamed judo matches. We train models that extract relevant entities and classify combat phases from fixed-perspective judo recordings. We employ semi-supervised methods to address limited labeled data in the domain. We build a model of combat phases via transfer learning from a fine-tuned object detector to classify the presence, activity, and standing state of the match. We evaluate our approach on a dataset of 19 thirty-second judo clips, achieving an F1 score on a $20\%$ test hold-out of 0.66, 0.78, and 0.87 for the three classes, respectively. Our results show initial promise for automating more complex information retrieval tasks using rigorous methods with limited labeled data.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。