hao
f78e84cba8
- 新增 docs/01_Video_Tutorials_Research.md: YouTube和Bilibili高播放量网球视频教程调研报告 - 新增 docs/02_GitHub_AI_Tennis_Research.md: GitHub网球项目、训练图片与AI特征库调研报告 - 新增 research_notes/: YouTube频道、Bilibili视频、AI综述论文原始调研数据 - 新增 github_tennis_projects.csv: 12个GitHub网球相关开源项目详细数据 - 新增 ai_tennis_research.csv: 8个AI网球研究方向详细数据 - 更新 README.md: 完整项目说明和核心发现摘要
网球视频教程、训练资料与AI特征库全网调研合集
本项目旨在全网调研并收集高质量的网球视频教程（YouTube、Bilibili）、GitHub开源网球项目、训练数据集、连续动作分析技术以及AI网球特征库的最新进展。
目录结构
docs/：包含详细的调研报告文档01_Video_Tutorials_Research.md：全网高播放量网球视频教程调研报告（涵盖YouTube和Bilibili）02_GitHub_AI_Tennis_Research.md：GitHub网球教程、训练图片与AI特征库调研报告
research_notes/：调研过程中的原始数据和笔记youtube_channels.md：YouTube高播放量频道数据bilibili_videos.md：Bilibili高播放量视频数据ai_tennis_review.md：AI网球综述论文关键信息
github_tennis_projects.csv：GitHub网球相关项目详细数据表ai_tennis_research.csv：AI网球研究方向详细数据表
核心发现摘要
1. 视频教程资源
- YouTube：以系统性教学和慢动作技术拆解为主，代表频道包括 Intuitive Tennis (520万+播放)、Top Tennis Training 等。
- Bilibili：内容多样化，包含大量海外优质教程的翻译（如海特网球）、本土专业教练指导（如RacketBrothers）以及结合流行文化的趣味内容。
2. AI与计算机视觉应用
- 目标追踪：TrackNet等深度学习网络被广泛用于高速网球的追踪。
- 姿态估计：AthletePose3D、SportsPose等数据集推动了高强度运动下的3D人体姿态估计。
- 动作识别：TAR-YOLO等模型实现了对发球、正手、反手等核心动作的实时高精度识别。
- 挥拍分析：SwingNet等框架能够精确捕捉球拍的运动轨迹，提供生物力学反馈。
3. 关键数据集与特征库
- RacketVision：大型多拍类运动基准数据集，支持统一的球类跟踪和球拍姿态估计。
- tennis_serve_dataset：包含6370个美国网球公开赛发球视频的3D关键点追踪数据。
- Tennis Player Actions Dataset：包含四种基础网球动作的图像及COCO格式标注。
维护与更新
本仓库将持续跟踪网球AI领域的最新进展，定期更新相关文献、开源项目和数据集信息。