今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

基于深度学习的运动姿势识别在体育训练中的应用

《Scientific Reports》:Application of deep learning based motion posture recognition in sports training

【字体: 大 中 小 】 时间:2026年05月15日 来源:Scientific Reports 3.9

编辑推荐:

  摘要随着对运动员动作进行精确和实时分析的需求不断增加,先进的深度学习技术被广泛应用于体育训练中。传统方法通常依赖于人工观察或浅层机器学习模型,这些方法无法捕捉人类运动的复杂空间和时间动态。因此,本研究提出了一种名为Deep Dynamic Graph Attention Post

  

摘要

随着对运动员动作进行精确和实时分析的需求不断增加,先进的深度学习技术被广泛应用于体育训练中。传统方法通常依赖于人工观察或浅层机器学习模型,这些方法无法捕捉人类运动的复杂空间和时间动态。因此,本研究提出了一种名为Deep Dynamic Graph Attention Posture Recognition(DDGAPR)的新型深度学习模型,该模型将图神经网络与基于Transformer的注意力机制相结合,以模拟身体各关节随时间变化的复杂关系。该模型首先将运动员的骨骼动态表示为图结构,同时对空间和时间特征施加注意力机制,从而提高姿态分类的准确性和鲁棒性。与以往的模型相比,DDGAPR模型在多个方面有所改进:动作识别准确率提高了18%,验证准确率提高了9.4%,真正例数量增加了9.1%,平均注意力权重提高了10%。研究结果表明,DDGAPR能够提升训练质量、个性化优化运动表现,并支持准确的姿态识别。这项研究为人工智能辅助体育训练的相关文献做出了贡献,为智能、数据驱动的体育发展开辟了新的途径。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:深度学习|人体姿态估计|Transformer 架构|图神经网络|注意力机制|动态姿态识别

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号