Deep Learning for Extraction of Sports Trainer's Knowledge

点击翻译按钮获取中文摘要

これまでの研究では、3軸加速度・角速度センサから得られる信号データを利用して、サッカーのシュートフォーム、バドミントンのフォアハンドストロークのモーションのクオリティ判定を実現するモデルを構築してきた。本年度はこの継続として、テニスのフォアハンドストローク(左手でボールを上げてから、右手でラケットを振り抜く動作)のモーションのクオリティを自動判定するモデルを、畳み込みニューラルネットワークにより構築した。本モデルでは、右手首に装着された加速度・角速度センサ（加速度レンジ+-16G、角速度レンジ+-2000dps）の信号が入力となる。出力ラベルは高クオリティ、低クオリティの2状態である。3名の被験者から得られたデータを、教師データ・テストデータセットに振り分け、教師データにより畳み込みニューラルネットワーク（カーネルサイズ50x1の畳み込みレイヤ4層、全結合レイヤ4層、合計8層、損失関数: クロスエントロピー、500エポック、パラメータ更新法: RMSprop）を構築し、テストデータにより汎化性能を検証した結果、９割程度の正答率で正しくクオリティを推定できることがわかった。ただし被験者数が十分ではなく、測定されたデータ数が少ないため、データ増強を行い、結果の信頼性向上に努める必要もある。本研究成果は、数理モデリングのレフリー付き国際会議 International Conference on Mathematical Modeling in Physical Sciences 2022 (IC-MSQUARE 2022) で公表された。