看板 DataScience 關於我們 聯絡資訊
各位板上大大好 小弟最近在思考一個問題 廢話不多說直接來 我要判斷投手投球的球種是什麼 理應還說投出每種球種時 人體的骨架Ex: 手臂出手的角度會不同 然後 如果資料集影片切割成圖片後用 openpose生成人體骨架生成圖 再丟到InceptionV4裡面提取特徵 最後再送進去神經網路做學習與驗證 這樣與 資料集圖片直接丟如InceptionV4提取特徵再送進去神經網路裡面 的差別在哪邊? 因為我很納悶,假設有經過openpose的比較好,那深度學習模型要如何去學習投手骨架的 變化,還是應該是也是一直給他定義說 這個是什麼球種這樣?! -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 27.247.197.86 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1613300638.A.731.html
st1009: 就差在一個NN可以直接看到骨架噪音較少啊 02/14 19:36
st1009: 這裡的骨架變化相當於一種球種特徵,原來NN要自己找重點, 02/14 19:38
st1009: 妳現在幫他找好了,剩下該怎做,就怎做啊 02/14 19:38
ben91lin: 不好意思,有實證說球種跟手臂角度變化的關係嗎? 02/18 18:09
ben91lin: 要做分類要給label。影片截圖之後有上下文關係,incep 02/18 18:16
ben91lin: tionV4可能不是好選擇? 02/18 18:16
blueskier: 如果沒記錯的話,球種跟手指握球的方式比較有關。 03/01 10:42
ddavid: 手臂位置多少會有關係,不過也有投手很刻意想辦法把不同球 03/02 15:56
ddavid: 種練到手臂位置差不多,增加打者分辨的難度 03/02 15:57
ddavid: 事實上就打者的角度,想要更早一點看出球路,就是想盡辦法 03/02 15:58
ddavid: 從手臂、手掌、出手點甚至到準備動作微小習慣差異去判斷 03/02 15:59
ddavid: 而投手也會想辦法掩飾修正這些差異 03/02 16:00
ddavid: 所以就這問題來說,我們應該是一球一球給它正確的球種答案 03/02 16:01
ddavid: ,期待學習出來的模型能夠找得出不同球種間的差異而能分辨 03/02 16:01
ddavid: 我們不應該先行猜想手臂到底跟球種有沒有關聯性,而是讓模 03/02 16:02
ddavid: 型去找找看關聯性存不存在 03/02 16:02
ddavid: 另外,這些關聯性高機率每個投手都不一樣,當然你要嘗試找 03/02 16:04
ddavid: 所有投手會不會也多少有什麼共通性也是可以嘗試,但就背景 03/02 16:04
ddavid: 知識來看可能相對不容易找出有意義結論,先以單一投手個別 03/02 16:05
ddavid: 建立模型可能比較有機會 03/02 16:05
abc2090614: openpose的license有禁止體育應用 小心被告 03/03 10:46
ddavid: 沒實際用過,居然有這事啊XD 03/03 14:47
CaptPlanet: 可以參考手勢辨識的相關技術 03/16 00:56