Анализ теннисных матчей: обнаружение мячей и игроков

О сервисе

Обзор модели Данные модели были обучены для моего проекта Продвинутый анализ тенниса . В этом проекте использовались передовые навыки компьютерного зрения, включая, но не ограничиваясь, обнаружение объектов на основе регионов, отслеживание объектов, оценку скорости объектов и множественные преобразования перспективы, с целью проведения детального анализа теннисного матча. Я точно оценил скорости мяча, классифицировал игроков и создал радиолокационное представление корта с использованием преобразований перспективы! Применение Эти модели предназначены для детального анализа теннисных матчей, позволяя автоматически извлекать ключевые данные, такие как: Обнаружение теннисных мячей Обнаружение игроков Оценка скорости мяча Классификация игроков Построение радиолокационного вида корта с использованием преобразований перспективы Эти возможности делают модель идеальным инструментом для спортивных аналитиков, тренеров и разработчиков приложений для анализа спортивных состязаний. Как обучена Доступ к обеим моделям и их обучение осуществлялись с использованием API Ultralytics YOLO, который предоставляется в пакете Python «ultralytics». В этом проекте использовались две модели: yolov8x : для обнаружения теннисных мячей. yolov10x : для обнаружения игроков. Обе модели являются самыми крупными вариантами в своем роде, что обеспечивает высокую точность и производительность. Ссылки pythonistasamurai/yolov8x_v10x_tennis_analysis_models на Kaggle Источник: https://qubu.ai/models/analiz-tennisnykh-matchei-obnaruzhenie-myachei-i-igrokov License: MIT