工業技術研究院

技術簡介

利用深度學習進行棒球球體軌跡辨識，通過收集影像數據、設計適當的神經網絡架構，並使用標記數據進行訓練。模型能夠辨識球的軌跡、轉速、速度、落點等特徵，並且與球賽後設資料串連，將轉換後的特徵數據儲存於結構化資料庫。

Abstract

Using deep learning for baseball trajectory recognition involves collecting image data, designing an appropriate neural network architecture, and training the model with labeled data. The model can identify features such as the ball’s trajectory, spin rate, speed, and landing point. It integrates with post-game metadata, storing the transformed feature data in a structured database.

技術規格

影像辨識與實體誤差一公分內、22關節點無marker辨識

Technical Specification

影像辨識與實體誤差一公分內、22關節點無marker辨識

技術特色

"利用深度學習進行棒球球體軌跡辨識，通過收集影像數據、設計適當的神經網絡架構，並使用標記數據進行訓練。模型能夠辨識球的軌跡、轉速、速度、落點等特徵，並且與球賽後設資料串連，將轉換後的特徵數據儲存於結構化資料庫。 Using deep learning for baseball trajectory recognition involves collecting image data, designing an appropriate neural network architecture, and training the model with labeled data. The model can identify features such as the ball’s trajectory, spin rate, speed, and landing point. It integrates with post-game metadata, storing the transformed feature data in a structured database."

應用範圍

職業棒球InGame數據收集

接受技術者具備基礎建議（設備）

200FPS以上高速攝影機、10Gb以上光纖、GPU運算主機

接受技術者具備基礎建議（專業）

AI影像與數據分析

聯絡資訊