基于锦标赛视频的柔道比赛阶段分类标注技术
Annotation Techniques for Judo Combat Phase Classification from Tournament Footage
AI总结：
针对柔道直播标注数据有限的问题，本文提出结合微调目标检测器与迁移学习的半监督比赛阶段分类方法，在19个片段上取得三类F1分别为0.66、0.78、0.87。
摘要：
本文提出一种半监督方法，利用直播视频提取并分析柔道锦标赛中的比赛阶段。目标是实现直播柔道比赛标注与摘要生成的自动化。我们训练模型，从固定视角的柔道录像中提取相关实体并对比赛阶段进行分类。为应对该领域标注数据有限的问题，我们采用半监督方法。通过从经过微调的目标检测器进行迁移学习，我们构建了一个比赛阶段模型，用于对比赛的存在状态、活动状态和站立状态进行分类。我们在包含19个30秒柔道片段的数据集上评估该方法，在20%的测试留出集上，三个类别的F1分数分别达到0.66、0.78和0.87。结果表明，在标注数据有限的情况下，采用严谨方法自动化更复杂的信息检索任务具有初步前景。
英文摘要：
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.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
