Título: Comparação de Algoritmos para Detecção de Nadadores Visando Automação de um Veículo Elétrico
Autores: Lucas Correa de Assis and Roberto Zanetti Freire
Resumo:
Na análise biomecânica de nadadores, o uso de câmeras vem contribuindo para a melhora de rendimento esportivo. Porém grande parte dos vídeos são gravados de forma manual. Este trabalho tem como objetivo realizar uma análise comparativa entre os algoritmos de aprendizado profundo, YOLO v4 e YOLO v4 Tiny, para detecção de nadadores, visando o projeto de um veículo capaz de seguir, de forma autônoma, os atletas ao longo da piscina. O treinamento dos algoritmos foi realizado com a base de dados Video Diver Dataset (VDD-C), que contém imagens anotadas de mergulhadores em piscinas e na costa de Barbados no Caribe. Para comparação entre os algoritmos, levou-se em consideração qualidade e tempo de detecção, baseando-se nas métricas de Average Intersection Over Union (IoU), Recall, Average Precision (AP) e tempo de latência. O algoritmo YOLO v4, apresentou superioridade na qualidade de detecção, atingindo 71,38% de Average IoU. Porém a YOLO v4 Tiny, apresentou um tempo de latência 6,93 vezes menor, mostrando ser uma opção para sistemas embarcados e aplicações em tempo real.
Palavras-chave:
Aprendizado Profundo, Análise Biomecânica de Nadadores, Detecção de objetos, YOLO.
Páginas: 6
Código DOI: 10.21528/CBIC2021-113
Artigo em pdf: CBIC_2021_paper_113.pdf
Arquivo BibTeX: CBIC_2021_113.bib