针对乒乓球目标检测方法易受环境、光线、速度等多种因素干扰导致精度和实时性不佳的问题,提出了一种基于YOLOv5s框架的轻量化乒乓球目标检测算法——SYOLO5(Shuffle-YOLOv5s)。首先,采用改进的ShuffleNetV2网络单元组合重构YOLOv5s主...针对乒乓球目标检测方法易受环境、光线、速度等多种因素干扰导致精度和实时性不佳的问题,提出了一种基于YOLOv5s框架的轻量化乒乓球目标检测算法——SYOLO5(Shuffle-YOLOv5s)。首先,采用改进的ShuffleNetV2网络单元组合重构YOLOv5s主干网络,提高特征提取速度;其次,在特征融合的过程中引入高效通道注意力(ECA)机制,有效提升模型的检测性能;接着,采用SIoU Loss(S-Intersection over Union)作为定位损失函数提升网络的收敛速度和定位精度;最后,贴合乒乓球小尺寸的特点,采用双尺度目标检测,进一步提高模型推理速度。实验结果表明,所提算法与YOLOv5s相比,参数量和计算量分别减少了80%和60%,精确率提升了1.9个百分点。展开更多
动作协调形态的获得与视觉通路的发展有密切关系,而视觉通路的信息加工起始于视觉信息的选择。使用德制头戴式i View X HED4眼动仪对不同运动水平的儿童乒乓球选手在接发球时的视觉焦点加以考察,得出结论认为:1)不同技能水平的儿童在接...动作协调形态的获得与视觉通路的发展有密切关系,而视觉通路的信息加工起始于视觉信息的选择。使用德制头戴式i View X HED4眼动仪对不同运动水平的儿童乒乓球选手在接发球时的视觉焦点加以考察,得出结论认为:1)不同技能水平的儿童在接发球时的视觉焦点不同;2)优秀组的主要焦点为球拍,说明球拍的变化是影响选手进行运动预期和运动决策的重要信息;3)一般组和初学组的视觉焦点都集中在球、其它部位的AOI区域上,而较少落到对手球拍区域上,说明其对球的落点判断更依赖于已经发生的事实,而不能有效运用球拍的变化信息做到提前预测。展开更多
文摘针对乒乓球目标检测方法易受环境、光线、速度等多种因素干扰导致精度和实时性不佳的问题,提出了一种基于YOLOv5s框架的轻量化乒乓球目标检测算法——SYOLO5(Shuffle-YOLOv5s)。首先,采用改进的ShuffleNetV2网络单元组合重构YOLOv5s主干网络,提高特征提取速度;其次,在特征融合的过程中引入高效通道注意力(ECA)机制,有效提升模型的检测性能;接着,采用SIoU Loss(S-Intersection over Union)作为定位损失函数提升网络的收敛速度和定位精度;最后,贴合乒乓球小尺寸的特点,采用双尺度目标检测,进一步提高模型推理速度。实验结果表明,所提算法与YOLOv5s相比,参数量和计算量分别减少了80%和60%,精确率提升了1.9个百分点。
文摘动作协调形态的获得与视觉通路的发展有密切关系,而视觉通路的信息加工起始于视觉信息的选择。使用德制头戴式i View X HED4眼动仪对不同运动水平的儿童乒乓球选手在接发球时的视觉焦点加以考察,得出结论认为:1)不同技能水平的儿童在接发球时的视觉焦点不同;2)优秀组的主要焦点为球拍,说明球拍的变化是影响选手进行运动预期和运动决策的重要信息;3)一般组和初学组的视觉焦点都集中在球、其它部位的AOI区域上,而较少落到对手球拍区域上,说明其对球的落点判断更依赖于已经发生的事实,而不能有效运用球拍的变化信息做到提前预测。