Resumen de Investigación sobre la detección de acciones en la enseñanza y el entrenamiento deportivo basada en redes neuronales convolucionales profundas

Haoyu Wang, Min Zhou, Xiandong Chen, Lanfeng Wang, Litong Wang, Xinran Wang

• español

  El objetivo de este estudio es mejorar la precisión y la eficacia de la detección de errores en la enseñanza y el entrenamiento deportivo mediante un enfoque basado en redes neuronales convolucionales profundas (DCNN). Este método está diseñado para minimizar la tasa de error asociada a la identificación de movimientos incorrectos durante las sesiones de instrucción y entrenamiento deportivo. Tras una revisión exhaustiva de investigaciones previas, este estudio construye una red neuronal convolucional profunda (DCNN) centrada en la detección de errores en la enseñanza y el entrenamiento de educación física. El proceso comienza con la creación de conjuntos de datos para la extracción de características, que luego se introducen en la capa de entrada de la red. Las capas convolucionales subsiguientes generan mapas de características, y se integra una capa de normalización para refinar el procesamiento de las muestras de enseñanza y entrenamiento de educación física. La capacidad de detección de errores se logra mediante operaciones convolucionales iterativas dentro de la red. La validación experimental de este enfoque revela una tasa de error de aproximadamente el 0,034 %, lo que indica que la técnica basada en DCNN para la detección de errores en la enseñanza y el entrenamiento de educación física es altamente precisa para identificar errores de entrenamiento entre los atletas.

• English

  The aim of this study is to enhance the accuracy and efficacy of error action detection in sports coaching and training by employing a deep convolutional neural network (DCNN)-based approach. This method is designed to minimize the error rate associated with identifying incorrect movements during sports instruction and training sessions. After a thorough review of prior research findings, this study constructs a deep convolutional neural network (DCNN) focused on detecting errors in physical education teaching and training actions. The process begins with establishing feature extraction datasets, which are then fed into the network's input layer. The subsequent convolutional layers generate feature maps, and a normalization layer is integrated to refine the processing of physical education teaching and training samples. The error detection capability is achieved through iterative convolutional operations within the network. Experimental validation of this approach reveals an error rate of approximately 0.034%, indicating that the DCNN-based technique for physical educationteaching and training action detection is highly precise in identifying training errors among athletes.KEYWORDS:Deep Learning; Convolutional Neural Network; Physical Education Teaching and Training; Error Action Detection; Feature Extraction; Batch Normalization