作者kuku951 (猴子)
看板DataScience
標題[問題] 新手openpose與深度學習問題
時間Sun Feb 14 19:03:56 2021
各位板上大大好
小弟最近在思考一個問題
廢話不多說直接來
我要判斷投手投球的球種是什麼
理應還說投出每種球種時
人體的骨架Ex: 手臂出手的角度會不同
然後
如果資料集影片切割成圖片後用
openpose生成人體骨架生成圖
再丟到InceptionV4裡面提取特徵
最後再送進去神經網路做學習與驗證
這樣與
資料集圖片直接丟如InceptionV4提取特徵再送進去神經網路裡面 的差別在哪邊？
因為我很納悶，假設有經過openpose的比較好，那深度學習模型要如何去學習投手骨架的
變化，還是應該是也是一直給他定義說 這個是什麼球種這樣？！
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 27.247.197.86 (臺灣)
※ 文章網址: https://webptt.com/m.aspx?n=bbs/DataScience/M.1613300638.A.731.html
1F：推 st1009: 就差在一個NN可以直接看到骨架噪音較少啊 02/14 19:36
2F：→ st1009: 這裡的骨架變化相當於一種球種特徵，原來NN要自己找重點， 02/14 19:38
3F：→ st1009: 妳現在幫他找好了，剩下該怎做，就怎做啊 02/14 19:38
4F：推 ben91lin: 不好意思，有實證說球種跟手臂角度變化的關係嗎？ 02/18 18:09
5F：推 ben91lin: 要做分類要給label。影片截圖之後有上下文關係，incep 02/18 18:16
6F：→ ben91lin: tionV4可能不是好選擇？ 02/18 18:16
7F：→ blueskier: 如果沒記錯的話，球種跟手指握球的方式比較有關。 03/01 10:42
8F：推 ddavid: 手臂位置多少會有關係，不過也有投手很刻意想辦法把不同球 03/02 15:56
9F：→ ddavid: 種練到手臂位置差不多，增加打者分辨的難度 03/02 15:57
10F：→ ddavid: 事實上就打者的角度，想要更早一點看出球路，就是想盡辦法 03/02 15:58
11F：→ ddavid: 從手臂、手掌、出手點甚至到準備動作微小習慣差異去判斷 03/02 15:59
12F：→ ddavid: 而投手也會想辦法掩飾修正這些差異 03/02 16:00
13F：→ ddavid: 所以就這問題來說，我們應該是一球一球給它正確的球種答案 03/02 16:01
14F：→ ddavid: ，期待學習出來的模型能夠找得出不同球種間的差異而能分辨 03/02 16:01
15F：→ ddavid: 我們不應該先行猜想手臂到底跟球種有沒有關聯性，而是讓模 03/02 16:02
16F：→ ddavid: 型去找找看關聯性存不存在 03/02 16:02
17F：→ ddavid: 另外，這些關聯性高機率每個投手都不一樣，當然你要嘗試找 03/02 16:04
18F：→ ddavid: 所有投手會不會也多少有什麼共通性也是可以嘗試，但就背景 03/02 16:04
19F：→ ddavid: 知識來看可能相對不容易找出有意義結論，先以單一投手個別 03/02 16:05
20F：→ ddavid: 建立模型可能比較有機會 03/02 16:05
21F：→ abc2090614: openpose的license有禁止體育應用 小心被告 03/03 10:46
22F：推 ddavid: 沒實際用過，居然有這事啊XD 03/03 14:47
23F：→ CaptPlanet: 可以參考手勢辨識的相關技術 03/16 00:56