新AI模型可識(shí)別運(yùn)動(dòng)員情緒
更新時(shí)間：2024/6/21 10:26:38 來(lái)源：新華社
 |
| 您現(xiàn)在的位置： 焦作網(wǎng) > 新聞中心首頁(yè) > 國(guó)際新聞 > 正文 |
新聞中心首頁(yè)
利用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)和實(shí)際比賽視頻，德國(guó)一個(gè)研究團(tuán)隊(duì)訓(xùn)練出能夠識(shí)別運(yùn)動(dòng)員情緒的AI（人工智能）模型。它根據(jù)網(wǎng)球運(yùn)動(dòng)員在比賽中的肢體語(yǔ)言識(shí)別其情感狀態(tài)，準(zhǔn)確率可達(dá)到人類觀察者水平。
德國(guó)卡爾斯魯厄理工學(xué)院和杜伊斯堡-埃森大學(xué)研究人員在新一期人工智能領(lǐng)域?qū)W術(shù)期刊《知識(shí)系統(tǒng)》上發(fā)表論文說(shuō)，他們使用真實(shí)的比賽場(chǎng)景而非模擬或人工合成數(shù)據(jù)來(lái)訓(xùn)練人工智能系統(tǒng)。
研究人員在特定環(huán)境中錄制了15名網(wǎng)球運(yùn)動(dòng)員的比賽視頻，重點(diǎn)關(guān)注他們得分或輸球時(shí)的肢體語(yǔ)言表達(dá)，例如低頭、興奮地舉起手臂、垂下球拍或走路速度改變等，這些肢體語(yǔ)言可用于識(shí)別運(yùn)動(dòng)員的情感狀態(tài)。
這些視頻數(shù)據(jù)被用于訓(xùn)練一個(gè)基于卷積神經(jīng)網(wǎng)絡(luò)技術(shù)的人工智能模型。通過(guò)訓(xùn)練，該模型能夠?qū)⑦\(yùn)動(dòng)員的肢體語(yǔ)言與不同的情感反應(yīng)聯(lián)系起來(lái)，并可根據(jù)運(yùn)動(dòng)員在一個(gè)回合后的肢體語(yǔ)言判斷其得分還是丟分。研究人員介紹，該模型識(shí)別運(yùn)動(dòng)員情感狀態(tài)的準(zhǔn)確率高達(dá)68.9%，與人類觀察者的識(shí)別水平相當(dāng)。
研究還顯示，人工智能模型和人類觀察者都更善于識(shí)別負(fù)面情緒，這可能因?yàn)樨?fù)面情緒以更明顯的方式被表達(dá)出來(lái)。
研究人員表示，在自然語(yǔ)境中進(jìn)行訓(xùn)練是利用人工智能技術(shù)識(shí)別情感狀態(tài)的重要進(jìn)步，這使得在真實(shí)場(chǎng)景中預(yù)測(cè)成為可能。該技術(shù)在體育領(lǐng)域具有廣泛應(yīng)用前景，例如可用于改進(jìn)訓(xùn)練方法、提升團(tuán)隊(duì)動(dòng)力和表現(xiàn)、防止倦怠等；還可用于醫(yī)療保健、教育、客服等方面。
 |
 |
 |
 |
焦作網(wǎng)免責(zé)聲明： | |||||||
|
||||||||
利用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)和實(shí)際比賽視頻，德國(guó)一個(gè)研究團(tuán)隊(duì)訓(xùn)練出能夠識(shí)別運(yùn)動(dòng)員情緒的AI（人工智能）模型。它根據(jù)網(wǎng)球運(yùn)動(dòng)員在比賽中的肢體語(yǔ)言識(shí)別其情感狀態(tài)，準(zhǔn)確率可達(dá)到人類觀察者水平。
德國(guó)卡爾斯魯厄理工學(xué)院和杜伊斯堡-埃森大學(xué)研究人員在新一期人工智能領(lǐng)域?qū)W術(shù)期刊《知識(shí)系統(tǒng)》上發(fā)表論文說(shuō)，他們使用真實(shí)的比賽場(chǎng)景而非模擬或人工合成數(shù)據(jù)來(lái)訓(xùn)練人工智能系統(tǒng)。
研究人員在特定環(huán)境中錄制了15名網(wǎng)球運(yùn)動(dòng)員的比賽視頻，重點(diǎn)關(guān)注他們得分或輸球時(shí)的肢體語(yǔ)言表達(dá)，例如低頭、興奮地舉起手臂、垂下球拍或走路速度改變等，這些肢體語(yǔ)言可用于識(shí)別運(yùn)動(dòng)員的情感狀態(tài)。
這些視頻數(shù)據(jù)被用于訓(xùn)練一個(gè)基于卷積神經(jīng)網(wǎng)絡(luò)技術(shù)的人工智能模型。通過(guò)訓(xùn)練，該模型能夠?qū)⑦\(yùn)動(dòng)員的肢體語(yǔ)言與不同的情感反應(yīng)聯(lián)系起來(lái)，并可根據(jù)運(yùn)動(dòng)員在一個(gè)回合后的肢體語(yǔ)言判斷其得分還是丟分。研究人員介紹，該模型識(shí)別運(yùn)動(dòng)員情感狀態(tài)的準(zhǔn)確率高達(dá)68.9%，與人類觀察者的識(shí)別水平相當(dāng)。
研究還顯示，人工智能模型和人類觀察者都更善于識(shí)別負(fù)面情緒，這可能因?yàn)樨?fù)面情緒以更明顯的方式被表達(dá)出來(lái)。
研究人員表示，在自然語(yǔ)境中進(jìn)行訓(xùn)練是利用人工智能技術(shù)識(shí)別情感狀態(tài)的重要進(jìn)步，這使得在真實(shí)場(chǎng)景中預(yù)測(cè)成為可能。該技術(shù)在體育領(lǐng)域具有廣泛應(yīng)用前景，例如可用于改進(jìn)訓(xùn)練方法、提升團(tuán)隊(duì)動(dòng)力和表現(xiàn)、防止倦怠等；還可用于醫(yī)療保健、教育、客服等方面。
 |
|
||||
|
焦作網(wǎng)免責(zé)聲明： | |||||||
|
||||||||
|
|
