MFT2018向けダーツスキル解析(2)
前回(数時間前)までのあらすじ
- ダーツスキル解析のために、どういうデータをどのように撮っているかについて説明。
- データをプロットしてみて、正規化が必要と確認。
- データの正規化を施して、データの特徴が見やすくなったことを確認
- 初投稿時からちょこちょこ追記
- ラーメン食べてきました。
今回
- Deep Neural Networkへの入力にするため、各データの二次元の時空間マップに変換します。
時空間マップ
- その名の通り、1つの軸が時間で、もうひとつの軸が空間的なデータになっているもの。
- 空間といっても、今回は指の曲げ度合、指圧、関節の位置など、ばらばらですが・・・。
- 前回までの進捗で、各データがすべて0〜1ないしは-1~1に揃えたので、すでにマップにしやすい状態になっています。
- 曲げ度合と指圧で1つのマップ、関節の位置で1つのマップという風にして、2つのマップを作りました。
- そしてseabornを使って綺麗に描画します。
元データ
- 前回の投稿で扱ったデータと同じく、以下の動画の水準
指データの時空間マップ
関節データの時空間マップ
Deep Neural Networkにどう入力したいか
- イメージとしては、指と体の動きのデータから、ダーツスコアを推定する問題となる。 -いわゆるマルチモーダルっぽい雰囲気のネットワーク。
- まず指の動き・圧力だけからスコアを推定するDNN①を訓練する
- 次に体の関節位置だけからスコアを推定するDNN②を訓練する。
- DNN①と②を統合するDNN③を作る。
次のステップ
- DNNモデル設計して、データ突っ込んで訓練して結果を見る。
備考
- 説明がどんどん雑になっていきます。すみません。
- 時間がないので焦ってます。