お知らせ ◆映像情報メディア学会における研究会の開催について (新型コロナウイルス関連)2021年7月21日更新
映像情報メディア学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2022-12-07 13:35
人体の構造的制約を考慮して訓練した深層モデルによるスイング骨格推定
坂田淳樹紀平捷吾島田伸敬立命館大)・永野祐樹植田勝彦住友ゴム
抄録 (和) ゴルフのスイングの良否を自動診断しアドバイスを出力するシステムの開発を念頭に,深度センサーの時系列画像から生成したCGデータを用いて訓練した深層学習モデルを利用して
スイング中の人体骨格の三次元座標を推定する手法について提案する.同一人物のスイングシーケンスでは骨格長が不変であるという幾何的制約を深層モデルの訓練に導入
するため,同一人物のスイングシーケンスからランダムに採取した訓練サンプルペアを一つの訓練データとし,両者間の骨格長の差異を損失関数に加える.
合計31人のサンプルデータをCGへのモーション埋め込みによってデータ拡張したサンプルを用いて深層モデルを訓練し,制約なし訓練モデルに比して骨格長の変化が少ない推定が得られた. 
(英) For the purpose of developing the automatic diagnosis system of players' golf swing, we propose a method for estimating 3-D coordinates of human skeleton during swing using a deep learning model trained with mass CG images generated from mo-cap time-series data. In order to introduce the geometric constraint that the skeletal length is invariant for the same person's swing sequence into the training of the deep model, each single training sample pair randomly taken from the same person's swing sequence is used as training data, and the difference in skeletal lengths between them is additionally considered as loss function. By using CG images augmented by motion embedding in CG for 31 players' sequences, a deep neural model was trained and achieved higher consistency of skeletal lengths than unconstrained learning.
キーワード (和) ゴルフスイング計測 / 深層学習 / 距離画像 / 制約充足 / / / /  
(英) Golf swing measurement / Deep learning / Depth image, / Constraint satisfaction / / / /  
文献情報 映情学技報, vol. 46, no. 39, SIP2022-10, pp. 23-26, 2022年12月.
資料番号 SIP2022-10 
発行日 2022-11-30 (ME, SIP) 
ISSN Print edition: ISSN 1342-6893    Online edition: ISSN 2424-1970
PDFダウンロード

研究会情報
研究会 ME SIP TOKAI  
開催期間 2022-12-07 - 2022-12-07 
開催地(和) 名古屋工業大学 
開催地(英)  
テーマ(和) 画像処理、スポーツ情報処理および一般 
テーマ(英) Image Processing, Sports Information Processing, and other general 
講演論文情報の詳細
申込み研究会 SIP 
会議コード 2022-12-ME-SIP-TOKAI 
本文の言語 日本語 
タイトル(和) 人体の構造的制約を考慮して訓練した深層モデルによるスイング骨格推定 
サブタイトル(和)  
タイトル(英) Skeleton Estimation for Swing based on Deep Model by Introducing Articulation Constraints into Training 
サブタイトル(英)  
キーワード(1)(和/英) ゴルフスイング計測 / Golf swing measurement  
キーワード(2)(和/英) 深層学習 / Deep learning  
キーワード(3)(和/英) 距離画像 / Depth image,  
キーワード(4)(和/英) 制約充足 / Constraint satisfaction  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 坂田 淳樹 / Atsuki Sakata / サカタ アツキ
第1著者 所属(和/英) 立命館大学 (略称: 立命館大)
Ritsumeikan University (略称: Ritsumeikan Univ.)
第2著者 氏名(和/英/ヨミ) 紀平 捷吾 / Shogo Kihira / キヒラ ショウゴ
第2著者 所属(和/英) 立命館大学 (略称: 立命館大)
Ritsumeikan University (略称: Ritsumeikan Univ.)
第3著者 氏名(和/英/ヨミ) 島田 伸敬 / Nobutaka Shimada / シマダ ノブタカ
第3著者 所属(和/英) 立命館大学 (略称: 立命館大)
Ritsumeikan University (略称: Ritsumeikan Univ.)
第4著者 氏名(和/英/ヨミ) 永野 祐樹 / Yuki Nagano / ナガノ ユウキ
第4著者 所属(和/英) 住友ゴム工業㈱ (略称: 住友ゴム)
Sumitomo Rubber Industries (略称: SRI)
第5著者 氏名(和/英/ヨミ) 植田 勝彦 / Masahiki Ueda / ウエダ マサヒコ
第5著者 所属(和/英) 住友ゴム工業㈱ (略称: 住友ゴム)
Sumitomo Rubber Industries (略称: SRI)
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2022-12-07 13:35:00 
発表時間 25分 
申込先研究会 SIP 
資料番号 ME2022-91, SIP2022-10 
巻番号(vol) vol.46 
号番号(no) no.39 
ページ範囲 pp.23-26 
ページ数
発行日 2022-11-30 (ME, SIP) 


[研究会発表申込システムのトップページに戻る]

[映像情報メディア学会ホームページ]


ITE / 映像情報メディア学会