Motion Detection als Evaluationsmethode von Bewegungsabläufen im Cheersport. Entwicklung einer Software zur Beurteilung der Synchronität - Schwantes, Swantje
42,95 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in über 4 Wochen
  • Broschiertes Buch

Diplomarbeit aus dem Jahr 2022 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 1,7, Hochschule für Technik und Wirtschaft Berlin, Sprache: Deutsch, Abstract: Cheerleading gehört zu den ästhetischen Teamsportarten, was bedeutet, dass auf Ausführung und Synchronität von Bewegungen besonders viel Wert gelegt wird. Während der Corona-Pandemie war es vielen Sportler:innen nicht möglich, gemeinsam mit ihrem Team zu trainieren. Die Idee ist es, eine Software zu entwickeln, die es den Athlet:innen ermöglicht, auch im Einzeltraining die gewünschte Synchronität zu erreichen. Ziel dieser Arbeit…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
Diplomarbeit aus dem Jahr 2022 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 1,7, Hochschule für Technik und Wirtschaft Berlin, Sprache: Deutsch, Abstract: Cheerleading gehört zu den ästhetischen Teamsportarten, was bedeutet, dass auf Ausführung und Synchronität von Bewegungen besonders viel Wert gelegt wird. Während der Corona-Pandemie war es vielen Sportler:innen nicht möglich, gemeinsam mit ihrem Team zu trainieren. Die Idee ist es, eine Software zu entwickeln, die es den Athlet:innen ermöglicht, auch im Einzeltraining die gewünschte Synchronität zu erreichen. Ziel dieser Arbeit ist es, einen Prototypen einer Software zu entwickeln, die es ermöglicht, vier Bewegungen (High-V, Low-V, T und Clean) in korrekter und inkorrekter Ausführung zu erkennen. Dazu muss zunächst auf die theoretischen Grundlagen des maschinellen Lernens eingegangen werden. Zudem werden die notwendigen Anforderungen an den Prototyp erhoben und ein Architekturbild erstellt. Für die Umsetzung des Prototyps werden die notwendigen Daten in Form von Videos gesammelt und für das Training des Modells aufbereitet. Anschließend wird das Vorhersagemodell in Form einer Convolutional Neuronal Networks trainiert. Nachdem die Trainingsergebnisse ausgewertet wurden, folgen Tests zu Validierung des Modells, mit dem Ziel herauszufinden, ob das Modell für eine Software zur Messung der Synchronität brauchbar ist.