Deep learning techniques for motion recognition of Mae Mai Muay Thai styles

เทคนิคการเรียนรู้เชิงลึกสำหรับการรู้จำการเคลื่อนไหวของท่วงท่านองแม่ไม้มวยไทย

Name: Shujaat Ali Zaidi

LCSH: Muay Thai

LCSH: Human mechanics

LCSH: Combat

LCSH: Sports

Abstract: Technological advancements and machine learning algorithms have attracted the academic community's interest in human activity detection in recent years. Most notably when discussing the most researched issue over the last decade the automated evaluation of athletic abilities. As a result of the intense rivalry inherent in most sporting events, it is crucial to keep detailed records of each competitor's actions to make fair judgments about their performances. This study aims to provide a technique for automatically recognizing Mae Mai Muay Thai (MMMT) fighting styles using still images and time-stamped boxing sequences. The identification of MMMT styles is handled with deep learning techniques such as Convolutional Neural Network (CNN), a Long Short-Term Memory (LSTM) classifier, and a Long-Term Recurrent Convolution Networks (LRCNs). The MMMT data set was used in a series of experiments with four professional boxers. In addition, we will utilize a confusion matrix to evaluate the model's performance as a whole. The accuracy, precision, recall, and the F1-score were also investigated as performance indicators.

Abstract: ความก้าวหน้าทางเทคโนโลยีและอัลกอริทึมการเรียนรู้ของเครื่องได้ดึงดูดความสนใจของกลุ่มนักวิชาการที่ใช้เพื่อการตรวจจับกิจกรรมของมนุษย์ ณ ปัจจุบัน ซึ่งเป็นที่น่าสังเกตเมื่ออภิปรายถึงประเด็นการวิจัยที่พบมากที่สุดในช่วงทศวรรษปัจจุบันได้แก่การประเมินผลแบบอัตโนมัติของความสามารถทางการกีฬา ผลลัพธ์ที่เกิดขึ้นจากการแข่งขันที่เข้มข้นซึ่งเป็นธรรมชาติของเกมกีฬาต่างๆ ส่วนใหญ่นั้น จำเป็นที่จะต้องเก็บบันทึกรายละเอียดของท่าทางการกระทำต่างๆ ของผู้เข้าร่วมแข่งขันแต่ละคนเพื่อให้เกิดการตัดสินที่ยุติธรรมในเชิงผลงานของผู้แข่งขัน การศึกษานี้มุ่งเสนอเทคนิคสำหรับการรู้จำท่าทางการต่อสู้แม่ไม้มวยไทย (MMMT) แบบอัตโนมัติโดยใช้ทั้งภาพนิ่งและลำดับการมวยที่มีกากับเวลาบันทึก การแยกแยะท่าทางแม่ไม้มวยไทยได้ถูกดำเนินการด้วยเทคนิคการเรียนรู้เชิงลึกต่างๆ ตัวอย่างเช่น โครงข่ายประสาทแบบคอนโวลูชัน (CNN), หน่วยความจาระยะยาว-ระยะสั้น (LSTM), และ โครงข่ายคอนโวลูชันเวียนกลับระยะยาว (LRCN) ชุดข้อมูลแม่ไม้มวยไทยที่ใช้ในการทดลองต่างๆ ประกอบไปด้วยนักมวยมืออาชีพสี่คน ยิ่งไปกว่านั้น เราจะใช้เมทริกซ์ความสับสนเพื่อประเมินประสิทธิภาพโดยรวมของตัวแบบ ซึ่งค่าความถูกต้อง (accuracy), ค่าความแม่นยา (precision), ค่าความระลึก (recall), และ ค่าความถ่วงดุลแบบเอฟ 1 (F1-score) ได้ถูกพิจารณาใช้เป็นตัวบ่งชี้ประสิทธิภาพดังกล่าว

Chiang Mai University. Library

Address: CHIANG MAI

Email: cmulibref@cmu.ac.th

Name: Varin Chouvatut

Role: Advisor

Created: 2023

Modified: 2567-01-17

Issued: 2023-12-17

วิทยานิพนธ์/Thesis

application/pdf

eng

DegreeName: Master of Science

Level: Master's Degree

Descipline: Computer Science

Grantor: Chiang Mai University

©copyrights Chiang Mai University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	640531004.pdf	1.48 MB	3	2024-06-16 15:28:09

ใช้เวลา

0.031709 วินาที