摘要

作为2022年MediaEval体育任务的参与者，我们提出了一种双流网络方法用于乒乓球击球动作的分类和检测。每一流由一系列使用注意力机制的3D卷积神经网络（CNN）模块组成。每一流处理不同的4D输入数据。我们的方法利用了原始RGB数据和通过MMPose工具箱计算出的姿态信息。姿态信息被当作图像处理，具体做法是将其应用在黑色背景上或其计算所基于的原始RGB帧上。最佳性能是通过将原始RGB数据输入到一个流中，将姿态+RGB（PRGB）信息输入到另一个流中，并对特征进行后期融合而获得的。这些方法在提供的TTStroke-21数据集上进行了评估。我们可以报告，在击球动作分类方面取得了显著改进，准确率达到87.3%，而在检测方面虽然未能超越基线模型，但仍然达到了0.349的交并比（IoU）和0.110的平均精度均值（mAP）。