新AI模型可識別運動(dòng)員情緒
更新時(shí)間：2024/6/21 10:26:38 來(lái)源：新華社
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，德國一個(gè)研究團隊訓練出能夠識別運動(dòng)員情緒的AI（人工智能）模型。它根據網(wǎng)球運動(dòng)員在比賽中的肢體語(yǔ)言識別其情感狀態(tài)，準確率可達到人類(lèi)觀(guān)察者水平。
德國卡爾斯魯厄理工學(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)域學(xué)術(shù)期刊《知識系統》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據來(lái)訓練人工智能系統。
研究人員在特定環(huán)境中錄制了15名網(wǎng)球運動(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，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)言可用于識別運動(dòng)員的情感狀態(tài)。
這些視頻數據被用于訓練一個(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)訓練，該模型能夠將運動(dòng)員的肢體語(yǔ)言與不同的情感反應聯(lián)系起來(lái)，并可根據運動(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，該模型識別運動(dòng)員情感狀態(tài)的準確率高達68.9%，與人類(lèi)觀(guān)察者的識別水平相當。
研究還顯示，人工智能模型和人類(lèi)觀(guān)察者都更善于識別負面情緒，這可能因為負面情緒以更明顯的方式被表達出來(lái)。
研究人員表示，在自然語(yǔ)境中進(jìn)行訓練是利用人工智能技術(shù)識別情感狀態(tài)的重要進(jìn)步，這使得在真實(shí)場(chǎng)景中預測成為可能。該技術(shù)在體育領(lǐng)域具有廣泛應用前景，例如可用于改進(jìn)訓練方法、提升團隊動(dòng)力和表現、防止倦怠等；還可用于醫療保健、教育、客服等方面。
 |
 |
 |
 |
焦作網(wǎng)免責聲明： | |||||||
|
||||||||
利用卷積神經(jīng)網(wǎng)絡(luò )技術(shù)和實(shí)際比賽視頻，德國一個(gè)研究團隊訓練出能夠識別運動(dòng)員情緒的AI（人工智能）模型。它根據網(wǎng)球運動(dòng)員在比賽中的肢體語(yǔ)言識別其情感狀態(tài)，準確率可達到人類(lèi)觀(guān)察者水平。
德國卡爾斯魯厄理工學(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)域學(xué)術(shù)期刊《知識系統》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據來(lái)訓練人工智能系統。
研究人員在特定環(huán)境中錄制了15名網(wǎng)球運動(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，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)言可用于識別運動(dòng)員的情感狀態(tài)。
這些視頻數據被用于訓練一個(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)訓練，該模型能夠將運動(dòng)員的肢體語(yǔ)言與不同的情感反應聯(lián)系起來(lái)，并可根據運動(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，該模型識別運動(dòng)員情感狀態(tài)的準確率高達68.9%，與人類(lèi)觀(guān)察者的識別水平相當。
研究還顯示，人工智能模型和人類(lèi)觀(guān)察者都更善于識別負面情緒，這可能因為負面情緒以更明顯的方式被表達出來(lái)。
研究人員表示，在自然語(yǔ)境中進(jìn)行訓練是利用人工智能技術(shù)識別情感狀態(tài)的重要進(jìn)步，這使得在真實(shí)場(chǎng)景中預測成為可能。該技術(shù)在體育領(lǐng)域具有廣泛應用前景，例如可用于改進(jìn)訓練方法、提升團隊動(dòng)力和表現、防止倦怠等；還可用于醫療保健、教育、客服等方面。
 |
|
||||
|
焦作網(wǎng)免責聲明： | |||||||
|
||||||||
|
|
