Earticle

초록

영어

Convolutional Neural Networks(CNNs) have shown encouraging results for image classification, recognition, and retrieval tasks. In this perspective, the sport videos classification remains an active and challenging area where CNNs are less explored. Encouraged by this, we extensively provide an empirical evaluation of CNNs on sport videos classification by creating a new dataset. In this paper, we propose a CNN based method that uses MobileNetV2(MbNetV2) network and a rolling prediction average method for sport videos classification. The proposed method uses fine-tuned MbNetV2 to classify each frame in the video and stores its prediction in a list. In rolling predition average the mean of last "K" predictions is calculated and assigned the highest probability label to the frame. We experimentally prove that our proposed method achieves the best accuracy of 97.9% on our sport dataset.

한국어

CNN Convolutional Neural Networks)은 영상 분류, 인식 및 검색 작업에 대한 유망한 결과를 보여주었다. 이 러한 관점에서, 스포츠 비디오 분류는 CNN이 덜 탐구된 능동적이고 도전적인 영역으로 남아 있다. 이에 우리는 새 로운 데이터 세트를 생성하여 스포츠 비디오 분류에 대한 CNN의 경험적 평가를 광범위하게 제공한다. 본 논문에서 는 MobileNetV2 (MbNetV2)네트워크를 이용한 CNN 기반 방법과 스포츠 비디오 분류를 위한 롤링 예측 평균 방법을 제안한다. 제안된 방법은 미세조정된 MbNetV2를 사용하여 비디오의 각 프레임을 분류하고 그 예측을 목록 에 저장한다. 롤링 예측 평균에서 마지막 "K" 예측의 평균이 계산되고 프레임에서 가장 높은 확률 레이블이 할당된 다. 우리는 제안한 방법이 스포츠 데이터 세트에서 97.9%의 최고 정확도를 달성한다는 것을 실험적으로 증명한다.

목차

요약
Abstract
1. Introduction
2. Proposed methodology
2.1 Preprocessing
2.2 Learning via MobileNetV2
2.3 Classification
3. Experimental results
3.1 Dataset
3.2 Experimental settings
3.3 Discussion
3.4 Comparitive analysis
4. Conclusion
Acknowledgment
References

키워드

스포츠 비디오 분류 딥 러닝 컴퓨터 비젼 경량 CNN 머신러닝 모바일넷V2 Sport videos classification Deep learning Computer vision Lightweight CNN Machine learning MobileNetV2

저자

• 노먼 칸 [ Noman Khan | 세종대학교 ]
• 이자즈 울 하크 [ Ijaz Ul Haq | 세종대학교 ]
• 파트 유 민 울라 [ Fath U Min Ullah | 세종대학교 ]
• 이미영 [ Mi Young Lee | 세종대학교 ]
• 백성욱 [ Sung Wook Baik | 세종대학교 ] Corresponding Author

참고문헌

발행기관

간행물