Modelo de Rede Neural para avaliação desportiva

Jeremias Fontinele da Silva, Carlos Alberto de Sousa Parente Rodrigues, Carlos Henrique Corrêa Tolentino, Wandro Bequiman Maciel

Resumo


Trata-se de uma pesquisa que objetiva comprovar a possibilidade de utilizar um Modelo em Rede Neural capaz de avaliar o movimento desportivo. O diferencial deste estudo encontra-se no fato de a máquina-servidor ser totalmente em cloud, o que torna viável sua futura utilização por dispositivos mobile devido ao não comprometimento da capacidade de processamento destes. Outro fato relevante é o emprego de duas Redes Neurais (Convolucional e Recorrente) na análise do movimento desportivo. Quanto à metodologia investigativa, este trabalho tem por alicerce uma revisão bibliográfica sobre Rede Neurais e estimativa de pose humana. Isso significa que a fundamentação teórica foi desenvolvida tendo por suporte estudos já realizados e publicados sobre a temática. Como resultado, conclui-se que a utilização de redes convolucionais para a análise de estimativa de pose possui uma acurácia satisfatória, mas que carece de tratamento de ruídos para que a análise da execução do movimento desportivo possa ser feita de fato.


Palavras-chave


Rede Neurais. Estimativa de Pose. Movimento Desportivo.

Texto completo:

PDF

Referências


BRITO, Eduardo Stein. Transcrição Musical Automática do Instrumento de Bateria a partir de Vídeos. 2019. 76 f. Monografia (Especialização) - Curso de Engenharia de Computação, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2019. Disponível em: http://hdl.handle.net/10183/198581. Acesso em: 7 set. 2020.

CAO, Zhe. et al. Realtime Multi-Person 2D Pose Estimation Using Part Affinity Fields. In: IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 7291-7299, 2017. Disponível em: https://openaccess.thecvf.com/content_cvpr_2017/papers/Cao_Realtime_Multi-Person_2D_CVPR_2017_paper.pdf. Acesso em: 15 set. 2020.

CHRISTENSEN, Clayton M.; BOWER, Joseph L. Disruptive Technologies: Catching the Wave. Magazine Harvard Business Review (HBR), 1995. Disponível em: https://hbr.org/1995/01/disruptive-technologies-catching-the-wave. Acesso em 02/09/2020.

FONSECA, José Pedro Castro. FPGA implementation of a LSTM Neural Network. 2016. 86 f. Dissertação (Mestrado) - Curso de Engenharia da Computação, Faculdade de Engenharia, Universidade do Porto, Porto-PT, 2020. Disponível em: https://repositorio-aberto.up.pt/bitstream/10216/90359/2/138867.pdf. Acesso em: 15 set. 2020.

GONG, Wenjuan. et al. Human pose estimation from monocular images: a comprehensive survey. Sensors (Switzerland), v. 16, n. 12, p. 1-39, 2016. Disponível em: https://doi.org/10.3390/s16121966. Acesso em: 7 jan. 2021.

LEITE, Guilherme Vieira. Detecção de Quedas de Pessoas em Vídeos Utilizando Redes Neurais Convolucionais com Múltiplos Canais. 2020. 52 f. Dissertação (Mestrado) - Curso de Ciência da Computação, Instituto de Computação, Universidade Estadual de Campinas, Campinas, 2020. Disponível em: http://repositorio.unicamp.br/jspui/handle/REPOSIP/341843. Acesso em: 15 set. 2020.

MACEDO, Victor Oliveira Corrieri de; SANTOS, Joyce da Costa. Análise cinemática automática usando OpenPose e Dynamic Time Warping com aplicações no remo. 2019. 56 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Eletrônica) —Universidade de Brasília, Brasília, 2019. Disponível em: https://bdm.unb.br/handle/10483/24937. Acesso em: 15 set. 2020.

MENACHE, Alberto. Understanding motion capture for computer animation and video games. illustrated. 2. ed. [S.l.]: Morgan kaufmann, v. 1, 2000.

SCHWAB, Klaus. A Quarta Revolução Industrial. Tradução de Daniel Moreira Miranda. 1. ed. São Paulo: Editora Edipro, 2019.

SIMAS, Gisele Moraes. et al. Utilizando visão computacional para reconstrução probabilística 3d e rastreamento de movimento. VETOR-Revista de Ciências Exatas e Engenharias, v. 17, n. 2, p. 59-77, 2007. Disponível em: http://repositorio.furg.br/handle/1/6862. Acesso em: 15 set. 2020.

TERLEMEZ, Ömer et al. Master Motor Map (MMM)—Framework and toolkit for capturing, representing, and reproducing human motion on humanoid robots. In: 2014 IEEE-RAS International Conference on Humanoid Robots. Madrid. IEEE, p. 894-901, 2014. Disponível em: https://doi.org/10.1109/HUMANOIDS.2014.7041470. Acesso em: 15 set. 2020.




DOI: http://dx.doi.org/10.47236/2594-7036.2021.v5.i3.34-44p

Apontamentos

  • Não há apontamentos.


 
Atribuição 

CC BY

Este obra está licenciado com uma Licença Creative Commons Atribuição 4.0 Internacional.

Esta licença permite que outros distribuam, remixem, adaptem e criem a partir do seu trabalho, mesmo para fins comerciais, desde que lhe atribuam o devido crédito pela criação original. 

Contato:
Revista Sítio Novo
Kallyana Moraes Carvalho Dominices
Editora-Chefe
Instituto Federal do Tocantins - Reitoria
Avenida Joaquim Teotônio Segurado, Quadra 202 sul, ACSU-SE 20, Conjunto 01, Lote 08 - Plano Diretor Sul
Palmas, Tocantins - Brasil
Cep: 77.020-450
Telefone: 63 3229-2214

e-ISSN: 2594-7036

 

Bases de Dados, Diretórios, Repositórios e/ou Indexadores

 GoogleScholar  BASE - Bielefeld Academich Search EngineResultado de imagem para logo cabi abstracts Latindex – Interciencia PortuguêsSubmissões


Utilizamos o seguinte software de detectação de similaridade:

Crossref Similarity Check