新闻中心首页
利用卷积神经网络技术和实际比赛视频,德国一个研究团队训练出能够识别运动员情绪的AI(人工智能)模型。它根据网球运动员在比赛中的肢体语言识别其情感状态,准确率可达到人类观察者水平。
德国卡尔斯鲁厄理工学院和杜伊斯堡-埃森大学研究人员在新一期人工智能领域学术期刊《知识系统》上发表论文说,他们使用真实的比赛场景而非模拟或人工合成数据来训练人工智能系统。
研究人员在特定环境中录制了15名网球运动员的比赛视频,重点关注他们得分或输球时的肢体语言表达,例如低头、兴奋地举起手臂、垂下球拍或走路速度改变等,这些肢体语言可用于识别运动员的情感状态。
这些视频数据被用于训练一个基于卷积神经网络技术的人工智能模型。通过训练,该模型能够将运动员的肢体语言与不同的情感反应联系起来,并可根据运动员在一个回合后的肢体语言判断其得分还是丢分。研究人员介绍,该模型识别运动员情感状态的准确率高达68.9%,与人类观察者的识别水平相当。
研究还显示,人工智能模型和人类观察者都更善于识别负面情绪,这可能因为负面情绪以更明显的方式被表达出来。
研究人员表示,在自然语境中进行训练是利用人工智能技术识别情感状态的重要进步,这使得在真实场景中预测成为可能。该技术在体育领域具有广泛应用前景,例如可用于改进训练方法、提升团队动力和表现、防止倦怠等;还可用于医疗保健、教育、客服等方面。
|
焦作网免责声明: | ||||||||
|
利用卷积神经网络技术和实际比赛视频,德国一个研究团队训练出能够识别运动员情绪的AI(人工智能)模型。它根据网球运动员在比赛中的肢体语言识别其情感状态,准确率可达到人类观察者水平。
德国卡尔斯鲁厄理工学院和杜伊斯堡-埃森大学研究人员在新一期人工智能领域学术期刊《知识系统》上发表论文说,他们使用真实的比赛场景而非模拟或人工合成数据来训练人工智能系统。
研究人员在特定环境中录制了15名网球运动员的比赛视频,重点关注他们得分或输球时的肢体语言表达,例如低头、兴奋地举起手臂、垂下球拍或走路速度改变等,这些肢体语言可用于识别运动员的情感状态。
这些视频数据被用于训练一个基于卷积神经网络技术的人工智能模型。通过训练,该模型能够将运动员的肢体语言与不同的情感反应联系起来,并可根据运动员在一个回合后的肢体语言判断其得分还是丢分。研究人员介绍,该模型识别运动员情感状态的准确率高达68.9%,与人类观察者的识别水平相当。
研究还显示,人工智能模型和人类观察者都更善于识别负面情绪,这可能因为负面情绪以更明显的方式被表达出来。
研究人员表示,在自然语境中进行训练是利用人工智能技术识别情感状态的重要进步,这使得在真实场景中预测成为可能。该技术在体育领域具有广泛应用前景,例如可用于改进训练方法、提升团队动力和表现、防止倦怠等;还可用于医疗保健、教育、客服等方面。
|
焦作网免责声明: | ||||||||
|
|
|