新AI模型可識別運動員情緒
更新時間：2024/6/21 10:26:38 來源：新華社
新聞中心首頁
利用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)和實際比賽視頻，德國一個研究團隊訓練出能夠識別運動員情緒的AI（人工智能）模型。它根據(jù)網(wǎng)球運動員在比賽中的肢體語言識別其情感狀態(tài)，準確率可達到人類觀察者水平。
德國卡爾斯魯厄理工學院和杜伊斯堡-埃森大學研究人員在新一期人工智能領(lǐng)域?qū)W術(shù)期刊《知識系統(tǒng)》上發(fā)表論文說，他們使用真實的比賽場景而非模擬或人工合成數(shù)據(jù)來訓練人工智能系統(tǒng)。
研究人員在特定環(huán)境中錄制了15名網(wǎng)球運動員的比賽視頻，重點關(guān)注他們得分或輸球時的肢體語言表達，例如低頭、興奮地舉起手臂、垂下球拍或走路速度改變等，這些肢體語言可用于識別運動員的情感狀態(tài)。
這些視頻數(shù)據(jù)被用于訓練一個基于卷積神經(jīng)網(wǎng)絡(luò)技術(shù)的人工智能模型。通過訓練，該模型能夠?qū)⑦\動員的肢體語言與不同的情感反應(yīng)聯(lián)系起來，并可根據(jù)運動員在一個回合后的肢體語言判斷其得分還是丟分。研究人員介紹，該模型識別運動員情感狀態(tài)的準確率高達68.9%，與人類觀察者的識別水平相當。
研究還顯示，人工智能模型和人類觀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。
研究人員表示，在自然語境中進行訓練是利用人工智能技術(shù)識別情感狀態(tài)的重要進步，這使得在真實場景中預(yù)測成為可能。該技術(shù)在體育領(lǐng)域具有廣泛應(yīng)用前景，例如可用于改進訓練方法、提升團隊動力和表現(xiàn)、防止倦怠等；還可用于醫(yī)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)和實際比賽視頻，德國一個研究團隊訓練出能夠識別運動員情緒的AI（人工智能）模型。它根據(jù)網(wǎng)球運動員在比賽中的肢體語言識別其情感狀態(tài)，準確率可達到人類觀察者水平。
德國卡爾斯魯厄理工學院和杜伊斯堡-埃森大學研究人員在新一期人工智能領(lǐng)域?qū)W術(shù)期刊《知識系統(tǒng)》上發(fā)表論文說，他們使用真實的比賽場景而非模擬或人工合成數(shù)據(jù)來訓練人工智能系統(tǒng)。
研究人員在特定環(huán)境中錄制了15名網(wǎng)球運動員的比賽視頻，重點關(guān)注他們得分或輸球時的肢體語言表達，例如低頭、興奮地舉起手臂、垂下球拍或走路速度改變等，這些肢體語言可用于識別運動員的情感狀態(tài)。
這些視頻數(shù)據(jù)被用于訓練一個基于卷積神經(jīng)網(wǎng)絡(luò)技術(shù)的人工智能模型。通過訓練，該模型能夠?qū)⑦\動員的肢體語言與不同的情感反應(yīng)聯(lián)系起來，并可根據(jù)運動員在一個回合后的肢體語言判斷其得分還是丟分。研究人員介紹，該模型識別運動員情感狀態(tài)的準確率高達68.9%，與人類觀察者的識別水平相當。
研究還顯示，人工智能模型和人類觀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。
研究人員表示，在自然語境中進行訓練是利用人工智能技術(shù)識別情感狀態(tài)的重要進步，這使得在真實場景中預(yù)測成為可能。該技術(shù)在體育領(lǐng)域具有廣泛應(yīng)用前景，例如可用于改進訓練方法、提升團隊動力和表現(xiàn)、防止倦怠等；還可用于醫(yī)療保健、教育、客服等方面。
 |
|
||||
|
焦作網(wǎng)免責聲明： | |||||||
|
||||||||
|
|
