TTNet多任务模型用于乒乓球拍球员分析
热点事件持续更新
TTNet多任务模型用于乒乓球拍球员分析
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Ko-Hsun Chen等作者提出TTNet,一种结合CNN、ResNet与自注意力机制的多任务深度学习模型,可基于智能乒乓球拍采集的六轴传感器数据,同时预测球员性别、持拍手、球龄和技能水平四项属性。 该模型采用两阶段训练策略,引入数据增强与任务专属损失函数,以提升不平衡数据上的泛化能力。据作者称,TTNet在AI CUP 2025乒乓球智能球拍数据分析竞赛官方榜单上获得第二名。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
TTNet:面向智能乒乓球拍球员分析的多任务深度学习模型报道时间线
沿着报道,了解事件的不同侧面。
10月7日
- arXiv cs.LGTTNet:面向智能乒乓球拍球员分析的多任务深度学习模型
TTNet 是一种结合 CNN、ResNet 与自注意力机制的多任务深度学习模型,可基于智能乒乓球拍采集的六轴传感器数据,同时预测球员性别、持拍手、球龄和技能水平四项属性。该模型采用两阶段训练策略,引入数据增强与任务专属损失函数以提升不平衡数据上的泛化能力,在 AI CUP 2025 乒乓球智能球拍数据分析竞赛官方榜单上获得第二名。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。