JP7307334B2 - Image generation system, estimation system, image generation method, estimation method and program - Google Patents
Image generation system, estimation system, image generation method, estimation method and program Download PDFInfo
- Publication number
- JP7307334B2 JP7307334B2 JP2019154905A JP2019154905A JP7307334B2 JP 7307334 B2 JP7307334 B2 JP 7307334B2 JP 2019154905 A JP2019154905 A JP 2019154905A JP 2019154905 A JP2019154905 A JP 2019154905A JP 7307334 B2 JP7307334 B2 JP 7307334B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- learning
- shot
- golf ball
- golf club
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
Description
本発明は、画像生成システム、推定システム、画像生成方法、推定方法及びプログラムに関する。 The present invention relates to an image generation system, an estimation system, an image generation method, an estimation method, and a program.
特許文献１には、ゴルフボールを打った瞬間を挟んだ前後のスイングの映像が再生可能な装置が記載されている。
また、ゴルフショップ内における試打の場面やゴルフ練習場におけるゴルフの練習の場面に用いることができるゴルフ測定装置が知られている。このようなゴルフ測定装置では、例えば、ショットの際の、ヘッドスピード、ボールスピード、ボールの打ち出し角度、スピン量、シミュレーション飛距離、ヘッド軌道、ダイナミックロフト、フェース角、ライ角、打点位置などの値が測定可能である。 Further, there is known a golf measuring device that can be used for a trial shot in a golf shop or a golf practice scene at a driving range. With such a golf measuring device, values such as head speed, ball speed, ball launch angle, spin rate, simulation flight distance, head trajectory, dynamic loft, face angle, lie angle, hit point position, etc. is measurable.
ゴルフ測定装置のなかには、ショットの際の測定値を示すショットデータを、当該ショットに用いられたゴルフクラブの種類（番手、モデル名、型番、など）に関連付けて管理できるものがある。このようにすることで、例えば、クラブ開発におけるショット分析や顧客へのショットデータの提供の場面などにおけるショットデータの活用性が向上する。 Some golf measuring devices can manage shot data indicating measured values at the time of a shot in association with the type of golf club (number, model name, model number, etc.) used for the shot. By doing so, for example, the usability of shot data is improved in situations such as shot analysis in club development and provision of shot data to customers.
ところが従来のゴルフ測定装置では、ゴルフクラブの種類をオペレータが手作業で入力する必要があった。そのため、誤入力が見逃されたり、入力に手間がかかることから入力が行われなかったりすることがあった。 However, in the conventional golf measuring device, the operator had to manually input the type of golf club. As a result, erroneous input may be overlooked, or input may not be performed because input is time-consuming.
このことに着目し、発明者は、ゴルフクラブの画像の入力に基づいて、当該ゴルフクラブの種類を推定する機械学習モデルの開発を検討している。ここで、精度の高い推定を可能にするためには、一般的に、当該機械学習モデルの学習において、多くのゴルフクラブの画像を用意する必要があり面倒である。 Focusing on this fact, the inventor is studying the development of a machine learning model for estimating the type of golf club based on the input of the image of the golf club. Here, in order to enable highly accurate estimation, it is generally necessary to prepare many images of golf clubs in the learning of the machine learning model, which is troublesome.
本発明は上記実情に鑑みてなされたものであって、その目的の一つは、ゴルフクラブの種類を的確に推定できる機械学習モデルの学習を少ない画像を用いて行うことができる画像生成システム、推定システム、画像生成方法、推定方法及びプログラムを提供することにある。 The present invention has been made in view of the above circumstances, and one of its objects is to provide an image generation system capable of learning a machine learning model capable of accurately estimating the type of golf club using a small number of images. It is to provide an estimation system, an image generation method, an estimation method, and a program.
上記課題を解決するために、本発明に係る画像生成システムは、ショットに用いられたゴルフクラブの種類を推定する機械学習モデルの学習に用いられる学習入力画像を生成する画像生成システムであって、ゴルフクラブ及びゴルフボールを少なくとも表す基礎画像を取得する基礎画像取得手段と、前記基礎画像内において前記ゴルフボールの画像が占める領域の位置、大きさ、又は、色のうちの少なくとも１つに基づいて、前記ゴルフクラブ及び前記ゴルフボールを少なくとも表す、前記基礎画像とは異なる、前記学習入力画像を生成する学習入力画像生成手段と、を含む。 In order to solve the above problems, an image generation system according to the present invention is an image generation system that generates a learning input image used for learning a machine learning model for estimating the type of golf club used for a shot, a basic image acquiring means for acquiring a basic image representing at least a golf club and a golf ball; and training input image generating means for generating said training input image, different from said base image, representing at least said golf club and said golf ball.
本発明の一態様では、前記学習入力画像生成手段は、当該学習入力画像内における前記ゴルフボールの画像が占める領域の位置が所定の位置である前記学習入力画像を生成する。 In one aspect of the present invention, the learning input image generating means generates the learning input image in which the position of the area occupied by the image of the golf ball in the learning input image is a predetermined position.
また、本発明の一態様では、前記学習入力画像生成手段は、前記ゴルフボールの画像が占める領域の大きさが所定の大きさである前記学習入力画像を生成する。 In one aspect of the present invention, the learning input image generating means generates the learning input image in which the area occupied by the image of the golf ball has a predetermined size.
また、本発明の一態様では、前記学習入力画像生成手段は、前記ゴルフボールの画像が占める領域の色が所定色となるよう画像全体が色補正された前記学習入力画像を生成する。 In one aspect of the present invention, the learning input image generating means generates the learning input image in which the entire image is color-corrected such that the color of the area occupied by the image of the golf ball is a predetermined color.
また、本発明の一態様では、前記基礎画像は、人工芝をさらに表す画像であり、前記学習入力画像生成手段は、前記人工芝の画像が示す領域の色が所定色となるよう画像全体が色補正された前記学習入力画像を生成する。 Further, in one aspect of the present invention, the basic image is an image further representing an artificial turf, and the learning input image generating means renders the entire image such that the color of the area indicated by the image of the artificial turf is a predetermined color. Generate the training input image that is color corrected.
この態様では、前記学習入力画像生成手段は、前記人工芝の縁の向きが所定の向きとなるよう画像全体が回転された前記学習入力画像を生成してもよい。 In this aspect, the learning input image generating means may generate the learning input image in which the entire image is rotated so that the edge of the artificial turf is oriented in a predetermined direction.
また、本発明の一態様では、前記基礎画像は、人工芝をさらに表す画像であり、前記学習入力画像生成手段は、前記人工芝の縁の向きが所定の向きとなるよう画像全体が回転された前記学習入力画像を生成する。 In one aspect of the present invention, the basic image is an image further representing artificial turf, and the learning input image generating means rotates the entire image so that the edge of the artificial turf is oriented in a predetermined direction. generating the training input image.
また、本発明の一態様では、前記基礎画像は、ティーをさらに表す画像であり、前記学習入力画像生成手段は、前記ティーの向きが所定の向きとなるよう画像全体が回転された前記学習入力画像を生成する。 In one aspect of the present invention, the basic image is an image further representing a tee, and the learning input image generating means generates the learning input image in which the entire image is rotated so that the orientation of the tee is a predetermined orientation. Generate an image.
また、本発明の一態様では、前記学習入力画像を前記機械学習モデルに入力した際の出力を用いて、前記機械学習モデルの学習を実行する学習手段、をさらに含む。 Further, one aspect of the present invention further includes learning means for executing learning of the machine learning model using an output when the learning input image is input to the machine learning model.
また、本発明に係る推定システムは、学習済の機械学習モデルを用いて、ショットに用いられたゴルフクラブの種類を推定する推定システムであって、ゴルフクラブ及びゴルフボールを少なくとも表すターゲット画像を取得するターゲット画像取得手段と、前記ターゲット画像内において前記ゴルフボールの画像が占める領域の位置、大きさ、又は、色のうちの少なくとも１つに基づいて、前記ゴルフクラブ及び前記ゴルフボールを少なくとも表す、前記ターゲット画像とは異なる、入力画像を生成する入力画像生成手段と、前記入力画像を前記学習済の前記機械学習モデルに入力した際の出力に基づいて、前記ゴルフクラブの種類を推定する推定手段と、を含む。 Further, an estimation system according to the present invention is an estimation system for estimating the type of golf club used for a shot using a trained machine learning model, and acquires a target image representing at least the golf club and the golf ball. and a target image acquisition means representing at least the golf club and the golf ball based on at least one of the position, size, or color of the area occupied by the image of the golf ball in the target image; Input image generating means for generating an input image different from the target image; and estimating means for estimating the type of the golf club based on the output when the input image is input to the learned machine learning model. and including.
また、本発明に係る画像生成方法は、ショットに用いられたゴルフクラブの種類を推定する機械学習モデルの学習に用いられる学習入力画像を生成する画像生成方法であって、ゴルフクラブ及びゴルフボールを少なくとも表す基礎画像を取得するステップと、前記基礎画像内において前記ゴルフボールの画像が占める領域の位置、大きさ、又は、色のうちの少なくとも１つに基づいて、前記ゴルフクラブ及び前記ゴルフボールを少なくとも表す、前記基礎画像とは異なる、前記学習入力画像を生成するステップと、を含む。 Further, an image generation method according to the present invention is an image generation method for generating a learning input image used for learning a machine learning model for estimating the type of golf club used for a shot, wherein the golf club and the golf ball are used for learning. obtaining a base image representing at least; generating said training input images that are at least representative and different from said base images.
また、本発明に係る推定方法は、学習済の機械学習モデルを用いて、ショットに用いられたゴルフクラブの種類を推定する推定方法であって、ゴルフクラブ及びゴルフボールを少なくとも表すターゲット画像を取得するステップと、前記ターゲット画像内において前記ゴルフボールの画像が占める領域の位置、大きさ、又は、色のうちの少なくとも１つに基づいて、前記ゴルフクラブ及び前記ゴルフボールを少なくとも表す、前記ターゲット画像とは異なる、入力画像を生成するステップと、前記入力画像を前記学習済の前記機械学習モデルに入力した際の出力に基づいて、前記ゴルフクラブの種類を推定するステップと、を含む。 Further, an estimation method according to the present invention is a method for estimating the type of golf club used for a shot by using a trained machine learning model, and obtains a target image representing at least the golf club and the golf ball. and said target image representing at least said golf club and said golf ball based on at least one of the location, size, or color of the area occupied by said golf ball image within said target image. and estimating the type of the golf club based on the output when the input image is input to the trained machine learning model.
また、本発明に係るプログラムは、ショットに用いられたゴルフクラブの種類を推定する機械学習モデルの学習に用いられる学習入力画像を生成するコンピュータに、ゴルフクラブ及びゴルフボールを少なくとも表す基礎画像を取得する手順、前記基礎画像内において前記ゴルフボールの画像が占める領域の位置、大きさ、又は、色のうちの少なくとも１つに基づいて、前記ゴルフクラブ及び前記ゴルフボールを少なくとも表す、前記基礎画像とは異なる、前記学習入力画像を生成する手順、を実行させる。 Further, the program according to the present invention acquires a basic image representing at least the golf club and the golf ball to a computer that generates a learning input image used for learning a machine learning model for estimating the type of golf club used for a shot. and said base image representing at least said golf club and said golf ball based on at least one of the position, size, or color of the area occupied by said golf ball image within said base image. causes a different procedure for generating the training input images to be performed.
また、本発明に係る別のプログラムは、学習済の機械学習モデルを用いて、ショットに用いられたゴルフクラブの種類を推定するコンピュータに、ゴルフクラブ及びゴルフボールを少なくとも表すターゲット画像を取得する手順、前記ターゲット画像内において前記ゴルフボールの画像が占める領域の位置、大きさ、又は、色のうちの少なくとも１つに基づいて、前記ゴルフクラブ及び前記ゴルフボールを少なくとも表す、前記ターゲット画像とは異なる、入力画像を生成する手順、前記入力画像を前記学習済の前記機械学習モデルに入力した際の出力に基づいて、前記ゴルフクラブの種類を推定する手順、を実行させる。 Another program according to the present invention provides a procedure for acquiring a target image representing at least a golf club and a golf ball to a computer that uses a learned machine learning model to estimate the type of golf club used for a shot. , representing at least the golf club and the golf ball based on at least one of the location, size, or color of the area occupied by the golf ball image within the target image; , a step of generating an input image, and a step of estimating the type of the golf club based on the output when the input image is input to the learned machine learning model.
以下、本発明の一実施形態について、図面を参照しながら説明する。 An embodiment of the present invention will be described below with reference to the drawings.
図１は、本発明の一実施形態に係るショット測定システム１の構成の一例を示す図である。図１に示すように、本実施形態に係るショット測定システム１には、ショット管理装置１０と、ショット測定装置２２と、が含まれる。
FIG. 1 is a diagram showing an example configuration of a
本実施形態に係るショット管理装置１０は、パーソナルコンピュータなどのコンピュータである。図１に示すようにショット管理装置１０は、例えば、プロセッサ１２、記憶部１４、通信部１６、表示部１８、操作部２０を含んでいる。
The
プロセッサ１２は、例えばショット管理装置１０にインストールされるプログラムに従って動作するＣＰＵ等のプログラム制御デバイスである。
The
記憶部１４は、ＲＯＭやＲＡＭ等の記憶素子やハードディスクドライブなどである。記憶部１４には、プロセッサ１２によって実行されるプログラムなどが記憶される。
The
通信部１６は、例えばネットワークボードなどの通信インタフェースである。本実施形態では通信部１６を介してショット管理装置１０は、ショット測定装置２２と通信可能となっている。
The
表示部１８は、液晶ディスプレイ等の表示デバイスであって、プロセッサ１２の指示に
従って各種の画像を表示する。
The
操作部２０は、キーボードやマウスなどといったユーザインタフェースであって、ユー
ザの操作入力を受け付けて、その内容を示す信号をプロセッサ１２に出力する。
The
なお、ショット管理装置１０は、ＤＶＤ－ＲＯＭやＢｌｕ－ｒａｙ（登録商標）ディスクなどの光ディスクを読み取る光ディスクドライブ、ＵＳＢ（Universal Serial Bus）ポートなどを含んでいてもよい。
The
図２は、本実施形態に係るショット測定装置２２の構成の一例を示す図である。図２に示すように、本実施形態に係るショット測定装置２２には、弾道測定器３０、ヘッド挙動測定器３２、ヘッド撮影装置３４が含まれている。
FIG. 2 is a diagram showing an example of the configuration of the
弾道測定器３０には、ＬＥＤなどのフラッシュ光源４０が、左右及び中央のそれぞれに縦に並んで３個ずつ、計９個設けられている。また、弾道測定器３０には、左側のフラッシュ光源４０と中央のフラッシュ光源４０との間、及び、右側のフラッシュ光源４０と中央のフラッシュ光源４０との間に、ステレオカメラ４２が設けられている。また、弾道測定器３０の右端には、ボール有無判別センサ４４が設けられている。また、弾道測定器３０には、ヘッドスピードセンサ４６が設けられている。
The
本実施形態では例えば、弾道測定器３０の前方に、異なる種類の複数のマーカが表面の異なる場所に張り付けられたゴルフボール４８が配置される。
In this embodiment, for example, a
そして当該ゴルフボール４８のショット直後の弾道が、複数のステレオカメラ４２によって複数の方向から同時に撮影される。本実施形態では例えば、フラッシュ光源４０を複数回断続的に点灯する間に、多重露光によりゴルフボール４８の複数の像を含む画像が撮影される。なお、ステレオカメラ４２が高速度カメラであり、当該高速度カメラによってゴルフボール４８の像を含む画像が連続撮影されてもよい。
The trajectory of the
そして、撮影された画像はショット管理装置１０に送信される。そして、ショット管理装置１０において、ステレオ画像計測技術により、撮影される画像に基づく、ゴルフボール４８の挙動の三次元計測が行われる。
Then, the captured image is transmitted to the
そして本実施形態では、ショット管理装置１０において、ゴルフボール４８の三次元計測の結果に基づいて、ボールスピードデータ、打出し角度データ、スピン量データ、及び、飛距離データを含む部分ボールデータが生成される。
In the present embodiment, partial ball data including ball speed data, launch angle data, spin rate data, and flight distance data is generated in the
ここで、ボールスピードデータは、例えば、ゴルフボール４８のボールスピード（例えば初速度）を示すデータである。また、打出し角度データは、例えば、ゴルフボール４８の上下、左右の打出し角度を示すデータである。また、スピン量データは、例えば、ゴルフボール４８のバックスピン量とサイドスピン量を示すデータである。また、飛距離データは、例えば、ゴルフボール４８のシミュレーション飛距離を示すデータである。
Here, the ball speed data is, for example, data indicating the ball speed (eg, initial speed) of the
また、本実施形態では、ヘッドスピードセンサ４６によって計測される、ゴルフボール４８のショットに用いられるゴルフクラブのヘッドスピードを示すヘッドスピードデータが、弾道測定器３０からショット管理装置１０に送信される。
Further, in the present embodiment, head speed data indicating the head speed of the golf club used to hit the
そして、本実施形態では、ショット管理装置１０において、弾道測定器３０から送信されるヘッドスピードデータと、上述の部分ボールデータと、を含む、ボールデータが生成される。
Then, in the present embodiment, the
ボール有無判別センサ４４は、ティー５０の上に配置されたゴルフボール４８の存在の有無を検知するセンサである。本実施形態では例えば、ボール有無判別センサ４４によって、ゴルフボール４８がティー５０の上に配置されていない状態から配置されている状態に変化したことが検出された際にステレオカメラ４２による撮影準備が開始される。そして、ボール有無判別センサ４４によって、ゴルフボール４８がティー５０の上に配置された状態からティー５０の上に配置されていない状態に変化した際に、ステレオカメラ４２による撮影が行われる。
The ball presence/
以下、ゴルフボール４８がティー５０の上に配置されていない状態から配置されている状態に変化したことの検出を配置検出と呼ぶこととする。また、ゴルフボール４８がティー５０の上に配置されている状態から配置されていない状態に変化したことの検出をショット検出と呼ぶこととする。
Hereinafter, the detection of the change from the state where the
また、本実施形態において、ボール有無判別センサ４４による配置検出のタイミングに、ボール有無判別センサ４４が、所定の配置検出信号をショット管理装置１０に送信してもよい。また、本実施形態において、ボール有無判別センサ４４によるショット検出のタイミングに、ボール有無判別センサ４４が、所定のショット検出信号をショット管理装置１０に送信してもよい。
Further, in the present embodiment, the ball presence/
また、本実施形態では、ゴルフボール４８の三次元計測の結果に基づいて、ゴルフボール４８の弾道のシミュレーション結果を表す画像を表示部１８に表示できるようになっている。
Further, in the present embodiment, an image representing the simulation result of the trajectory of the
ヘッド挙動測定器３２には、左右に並んで２つのユニットが設けられている。それぞれのユニットには、ＬＥＤなどのフラッシュ光源５２が、上側と下側のそれぞれに、横に３個並んで、計６個設けられている。
The head
また、それぞれのユニットの中央には、ゴルフボール４８のショットに用いられるゴルフクラブのクラブヘッドを撮影するカメラ５４が設けられている。
A
また、右側のユニットの左側には、前方の反射板５６に向かって赤外線等を照射することにより、ゴルフボール４８のショットに用いられるゴルフクラブの通過を検出する通過センサ５８が設けられている。
A
ヘッド挙動測定器３２では、カメラ５４によって複数の方向から、ゴルフボール４８のショットに用いられるゴルフクラブのクラブヘッドが撮影される。本実施形態では例えば、フラッシュ光源５２を複数回断続的に点灯する間に、多重露光によりクラブヘッドの複数の像を含む画像が撮影される。本実施形態において、通過センサ５８がゴルフクラブの通過を検出したタイミングに、カメラ５４による画像の撮影が行われてもよい。なお、カメラ５４が高速度カメラであり、当該高速度カメラによってクラブヘッドの像を含む画像が連続撮影されてもよい。
In the head
また、本実施形態において、通過センサ５８によってゴルフクラブの通過が検出されるタイミングに、通過センサ５８が、所定の通過検出信号をショット管理装置１０に送信してもよい。
Further, in the present embodiment, the
そして、撮影された画像はショット管理装置１０に送信される。そして、ショット管理装置１０において、撮影される画像に基づく、クラブヘッドの姿勢及び軌道の三次元計測が行われる。なお、本実施形態において、ゴルフボール４８のショットに用いられるゴルフクラブの上面に、マーカが設けられていてもよい。そして、撮影される画像に基づいて特定される、ゴルフクラブの上面のマーカの三次元座標値に基づいて、クラブヘッドの姿勢及び軌道の三次元計測が行われてもよい。
Then, the captured image is transmitted to the
そして本実施形態では、ショット管理装置１０において、三次元計測の結果に基づいて、フェーススピードデータ、ヘッド軌道データ、ダイナミックロフトデータ、フェース角データ、ライ角データ、打点位置データ、法線角度データ、及び、フェースローテーションデータを含む、ヘッドデータが生成される。
In the present embodiment, the
ここで、フェーススピードデータは、例えば、インパクト時のクラブヘッドのフェーススピードを示すデータである。また、ヘッド軌道データは、例えば、インパクト時のクラブヘッドの上下方向、左右方向の進入角を示すデータである。また、ダイナミックロフトデータは、例えば、インパクト時のクラブヘッドのロフト角を示すデータである。また、フェース角データは、例えば、インパクト時のクラブヘッドのフェース角を示すデータである。また、ライ角データは、例えば、インパクト時のクラブヘッドのライ角を示すデータである。また、打点位置データは、例えば、ショットされたゴルフボール４８の打点位置を示すデータである。また、法線角度データは、例えば、インパクト時のクラブヘッドのフェース面の向きを示すデータである。フェースローテーションは、例えば、ショットの際のクラブヘッドのフェースローテーションの大きさを示すデータである。
Here, the face speed data is, for example, data indicating the face speed of the club head at impact. Further, the head trajectory data is, for example, data indicating the approach angles of the club head in the vertical direction and the horizontal direction at the time of impact. The dynamic loft data is, for example, data indicating the loft angle of the club head at impact. The face angle data is, for example, data indicating the face angle of the club head at impact. The lie angle data is, for example, data indicating the lie angle of the club head at impact. The hit position data is, for example, data indicating the hit position of the
また、本実施形態では、クラブヘッドの三次元計測の結果に基づいて、インパクトの直前のクラブヘッドの動きを表示部１８にアニメーション表示させることができるようになっている。
Further, in this embodiment, based on the results of the three-dimensional measurement of the club head, the movement of the club head immediately before impact can be displayed as an animation on the
ヘッド撮影装置３４には、本実施形態では例えば、ゴルフボール４８のショットに用いられるゴルフクラブのクラブヘッドを側方から撮影するカメラ６０が設けられている。本実施形態では、カメラ６０が、所定のフレームレートでフレーム画像を撮影する。ヘッド撮影装置３４は、クラブヘッドがアドレスの際に位置する範囲を撮影範囲として撮影するので、アドレスの際のクラブヘッドを確実に撮影することができる。クラブヘッドの撮影の際には、撮影時刻も併せて記録される。
In this embodiment, the
ヘッド撮影装置３４のカメラ６０は、ショットにおけるアドレスのタイミングに撮影を開始し、当該ショットのタイミングに撮影を終了してもよい。例えば、ヘッド撮影装置３４は、ボール有無判別センサ４４による配置検出がされたタイミングにカメラ６０による画像の撮影を開始してもよい。そして、ヘッド撮影装置３４は、例えば、ボール有無判別センサ４４によるショット検出がされたタイミングにカメラ６０による画像の撮影を終了してもよい。
The
撮影された画像は、撮影時刻の情報に関連付けられた上で、ショット管理装置１０に送信される。本実施形態では、当該撮影時刻の情報が、撮影タイミングを示す情報として取り扱われる。そして、ショット管理装置１０において、学習済の機械学習モデルを用いて、当該画像に写っているゴルフクラブの種類の推定が行われる。
The captured image is transmitted to the
図３は、上述の機械学習モデルの学習に用いられる学習装置７０の構成の一例を示す図である。
FIG. 3 is a diagram showing an example of the configuration of a
本実施形態に係る学習装置７０は、パーソナルコンピュータなどのコンピュータである。図３に示すように学習装置７０は、例えば、プロセッサ７２、記憶部７４、通信部７６、表示部７８、操作部８０を含んでいる。
The
プロセッサ７２は、例えば学習装置７０にインストールされるプログラムに従って動作するＣＰＵ等のプログラム制御デバイスである。
The
記憶部７４は、ＲＯＭやＲＡＭ等の記憶素子やハードディスクドライブなどである。記憶部７４には、プロセッサ７２によって実行されるプログラムなどが記憶される。
The
通信部７６は、例えばネットワークボードなどの通信インタフェースである。
The
表示部７８は、液晶ディスプレイ等の表示デバイスであって、プロセッサ７２の指示に従って各種の画像を表示する。
The
操作部８０は、キーボードやマウスなどといったユーザインタフェースであって、ユー
ザの操作入力を受け付けて、その内容を示す信号をプロセッサ７２に出力する。
The
なお、学習装置７０は、ＤＶＤ－ＲＯＭやＢｌｕ－ｒａｙ（登録商標）ディスクなどの光ディスクを読み取る光ディスクドライブ、ＵＳＢ（Universal Serial Bus）ポートなどを含んでいてもよい。
The
なお、ショット管理装置１０を学習装置７０に流用してもよい。
Note that the
図４は、本実施形態に係る学習装置７０で実装される機能の一例を示す機能ブロック図である。なお、本実施形態に係る学習装置７０で、図４に示す機能のすべてが実装される必要はなく、また、図４に示す機能以外の機能が実装されていても構わない。
FIG. 4 is a functional block diagram showing an example of functions implemented in the
図４に示すように、学習装置７０には、機能的には例えば、機械学習モデル９０、学習データ記憶部９２、学習データ取得部９４、前処理部９６、学習部９８が含まれる。機械学習モデル９０は、プロセッサ７２及び記憶部７４を主として実装される。
As shown in FIG. 4 , the
学習データ記憶部９２は、記憶部７４を主として実装される。学習データ取得部９４、前処理部９６、学習部９８は、プロセッサ７２を主として実装される。
The learning
以上の機能は、コンピュータである学習装置７０にインストールされた、以上の機能に対応する指令を含むプログラムをプロセッサ７２で実行することにより実装されてもよい。このプログラムは、例えば、光ディスク、磁気ディスク、磁気テープ、光磁気ディスク、フラッシュメモリ等のコンピュータ読み取り可能な情報記憶媒体を介して、あるいは、インターネットなどを介して学習装置７０に供給されてもよい。
The functions described above may be implemented by causing the
機械学習モデル９０は、本実施形態では例えば、アダブースト、ランダムフォレスト、ニューラルネットワーク、サポートベクタマシン（ＳＶＭ）、最近傍識別器、などの機械学習が実装された機械学習モデルである。
The
機械学習モデル９０は、本実施形態では例えば、ショットに用いられたゴルフクラブの種類（例えば、番手、モデル名、型番、などのうちの少なくとも１つ）を推定する。
In this embodiment, the
学習データ記憶部９２は、本実施形態では例えば、機械学習モデル９０の学習に用いられる複数の学習データを記憶する。学習データには、例えば、ゴルフクラブ及びゴルフボール４８を少なくとも表す基礎画像と、当該ゴルフクラブの種類を示す教師データと、が含まれている。ここで複数の学習データのそれぞれに含まれる基礎画像には、様々な種類のゴルフクラブが写っていることが望ましい。
The learning
学習データ取得部９４は、本実施形態では例えば、機械学習モデル９０の学習に用いられる学習データを取得する。ここで学習データ取得部９４は、学習データ記憶部９２に記憶されている学習データを取得してもよい。
The learning
前処理部９６は、本実施形態では例えば、学習データに含まれる基礎画像に基づいて、ゴルフクラブ及びゴルフボール４８を少なくとも表す、当該基礎画像とは異なる学習入力画像を生成する。前処理部９６は、例えば、テンプレートマッチング技術を用いることで、基礎画像内におけるゴルフボール４８の画像が占める領域を特定する。具体的には例えば、基礎画像内における白色の円形の領域が、ゴルフボール４８の画像が占める領域と特定される。そして、前処理部９６は、例えば、基礎画像内においてゴルフボール４８の画像が占める領域の位置、大きさ、又は、色のうちの少なくとも１つに基づいて、学習入力画像を生成する。
In this embodiment, for example, based on the basic image included in the learning data, the preprocessing
ここで、前処理部９６が、学習入力画像内におけるゴルフボール４８の画像が占める領域の位置が所定の位置である学習入力画像を生成してもよい。
Here, the preprocessing
また、前処理部９６が、ゴルフボール４８の画像が占める領域の大きさが所定の大きさである学習入力画像を生成してもよい。
Alternatively, the preprocessing
図５は、基礎画像の一例を模式的に示す図である。図５に示す基礎画像には、ゴルフボール４８、ティー５０、ゴルフクラブ１００の像が写っている。図５に示す基礎画像では、下方向がＸ軸正方向であり、右方向がＹ軸正方向であることとする。そして、図５に示す基礎画像の縦の長さがｘ１であり、横の長さがｙ１であるとする。また、基礎画像に写るゴルフボール４８の像の直径はＤ１であることとする。また、基礎画像に写るゴルフボール４８の像の中心の座標値が（ｘ２，ｙ２）であることとする。
FIG. 5 is a diagram schematically showing an example of a basic image. The basic image shown in FIG. 5 includes images of a
図６は、本実施形態において生成されるべき学習入力画像の一例を模式的に示す図である。図６に示す学習入力画像では、下方向がＸ軸正方向であり、右方向がＹ軸正方向であることとする。また、図６の示す学習入力画像の縦の長さがｘ０であり、横の長さがｙ０であるとする。また、基礎画像に写るゴルフボール４８の像の直径はＤ０であることとする。また、学習入力画像に写るゴルフボール４８の像の中心の座標値が（ａ，ｂ）であることとする。
FIG. 6 is a diagram schematically showing an example of a learning input image to be generated in this embodiment. In the learning input image shown in FIG. 6, the downward direction is the X-axis positive direction, and the rightward direction is the Y-axis positive direction. It is also assumed that the learning input image shown in FIG. 6 has a vertical length of x0 and a horizontal length of y0. It is also assumed that the diameter of the image of the
この場合、前処理部９６は、図５に示す基礎画像に写るゴルフボール４８の像の直径Ｄ１に基づいて、基礎画像の拡縮率をＤ０／Ｄ１と決定する。そして、前処理部９６は、図５に示す基礎画像から４頂点の座標値がそれぞれ（ｘ２－（Ｄ１／Ｄ０）×ａ，ｙ２－（Ｄ１／Ｄ０）×ｂ）、（ｘ２－（Ｄ１／Ｄ０）×ａ，ｙ２＋（Ｄ１／Ｄ０）×（ｙ０－ｂ））、（ｘ２＋（Ｄ１／Ｄ０）×（ｘ０－ａ），ｙ２－（Ｄ１／Ｄ０）×ｂ）、（ｘ２＋（Ｄ１／Ｄ０）×（ｘ０－ａ），ｙ２＋（Ｄ１／Ｄ０）×（ｙ０－ｂ））である長方形の領域Ｒ１を切り出す。
In this case, the preprocessing
ここで例えば、図５に示す基礎画像に写るゴルフボール４８の像の直径Ｄ１が直径Ｄ０と同じである場合は、図５に示す基礎画像から４頂点の座標値がそれぞれ（ｘ２－ａ，ｙ２－ｂ）、（ｘ２－ａ，ｙ２＋（ｙ０－ｂ））、（ｘ２＋（ｘ０－ａ），ｙ２－ｂ）、（ｘ２＋（ｘ０－ａ），ｙ２＋（ｙ０－ｂ））である長方形の領域Ｒ１が切り出される。
Here, for example, if the diameter D1 of the image of the
そして、前処理部９６は、切り出された領域Ｒ１の縦横の長さをＤ０／Ｄ１倍にした学習入力画像を生成する。なお、図５に示す基礎画像に写るゴルフボール４８の像の直径Ｄ１が直径Ｄ０と同じである場合は、基礎画像から領域Ｒ１を切り出した画像自体が学習入力画像となる。このようにして、図５に示す基礎画像に対応する学習入力画像が生成される。
Then, the preprocessing
図７は、基礎画像の別の一例を模式的に示す図である。図７に示す基礎画像には、ゴルフボール４８、ティー５０、ゴルフクラブ１００の像が写っている。図７に示す基礎画像では、下方向がＸ軸正方向であり、右方向がＹ軸正方向であることとする。そして、図７の示す基礎画像の縦の長さがｘ３であり、横の長さがｙ３であるとする。また、基礎画像に写るゴルフボール４８の像の直径はＤ２であることとする。また、基礎画像に写るゴルフボール４８の像の中心の座標値が（ｘ４，ｙ４）であることとする。
FIG. 7 is a diagram schematically showing another example of the basic image. The basic image shown in FIG. 7 includes images of a
この場合、前処理部９６は、図７に示す基礎画像に写るゴルフボール４８の像の直径Ｄ２に基づいて、基礎画像の拡縮率をＤ０／Ｄ２と決定する。そして、前処理部９６は、図７に示す基礎画像から４頂点の座標値がそれぞれ（ｘ４－（Ｄ２／Ｄ０）×ａ，ｙ４－（Ｄ２／Ｄ０）×ｂ）、（ｘ４－（Ｄ２／Ｄ０）×ａ，ｙ４＋（Ｄ２／Ｄ０）×（ｙ０－ｂ））、（ｘ４＋（Ｄ２／Ｄ０）×（ｘ０－ａ），ｙ４－（Ｄ２／Ｄ０）×ｂ）、（ｘ４＋（Ｄ２／Ｄ０）×（ｘ０－ａ），ｙ４＋（Ｄ２／Ｄ０）×（ｙ０－ｂ））である長方形の領域Ｒ２を切り出す。
In this case, the preprocessing
ここで例えば、図７に示す基礎画像に写るゴルフボール４８の像の直径Ｄ２が直径Ｄ０の１２５％である場合は、図７に示す基礎画像から４頂点の座標値がそれぞれ（ｘ４－１．２５×ａ，ｙ４－１．２５×ｂ）、（ｘ４－１．２５×ａ，ｙ４＋１．２５×（ｙ０－ｂ））、（ｘ４＋１．２５×（ｘ０－ａ），ｙ４－１．２５×ｂ）、（ｘ４＋１．２５×（ｘ０－ａ），ｙ４＋１．２５×（ｙ０－ｂ））である長方形の領域Ｒ２が切り出される。
Here, for example, when the diameter D2 of the image of the
そして、前処理部９６は、切り出された領域Ｒ２の縦横の長さをＤ０／Ｄ２倍にした学習入力画像を生成する。なお、図７に示す基礎画像に写るゴルフボール４８の像の直径Ｄ２が直径Ｄ０の１２５％である場合は、基礎画像から領域Ｒ２を切り出した画像の縦横の長さを８０％にした学習入力画像が生成される。このようにして、図７に示す基礎画像に対応する学習入力画像が生成される。
Then, the preprocessing
以上のようにして、図５に示す基礎画像に基づく学習入力画像も、図７に示す基礎画像に基づく学習入力画像も、学習入力画像内におけるゴルフボール４８の画像が占める領域の位置が所定の位置（例えば、中心の座標値が（ａ，ｂ）である位置）となる。また、図５に示す基礎画像に基づく学習入力画像も、図７に示す基礎画像に基づく学習入力画像も、学習入力画像内におけるゴルフボール４８の画像が占める領域の直径は所定の長さ（例えば、Ｄ０）となる。 As described above, both the learning input image based on the basic image shown in FIG. 5 and the learning input image based on the basic image shown in FIG. It becomes a position (for example, a position where the coordinate values of the center are (a, b)). In both the learning input image based on the basic images shown in FIG. 5 and the learning input image based on the basic images shown in FIG. , D0).
また、基礎画像がティー５０をさらに表す画像であってもよい。そして、前処理部９６が、ティー５０の向きが所定の向きとなるよう画像全体が回転された学習入力画像を生成する。
Also, the basic image may be an image further representing the
また、基礎画像が人工芝をさらに表す画像であってもよい。そして、前処理部９６が、人工芝の縁の向きが所定の向きとなるよう画像全体が回転された学習入力画像を生成してもよい。
Also, the basic image may be an image further representing the artificial turf. Then, the preprocessing
図８は、基礎画像のさらに別の一例を模式的に示す図である。ここで前処理部９６が、前処理部９６は、ティー５０の向きが上下方向となるよう図８に示す基礎画像を回転させてもよい。あるいは、前処理部９６は、人工芝の縁１０２の向きが左右方向となるよう図８に示す基礎画像を回転させてもよい。そして、図５及び図７に示す基礎画像を参照して説明した上述の処理と同様の処理を、回転後の基礎画像に対して実行することにより、図８に示す基礎画像から長方形の領域Ｒ３が切り出されてもよい。そして、切り出された領域Ｒ３に基づく学習入力画像が生成されてもよい。例えば、切り出された領域Ｒ３を上述のようにして拡大又は縮小することで学習入力画像が生成されてもよい。
FIG. 8 is a diagram schematically showing still another example of the basic image. Here, the preprocessing
また、前処理部９６は、ゴルフボール４８の画像が占める領域の色が所定色となるよう画像全体が色補正された学習入力画像を生成してもよい。ここで例えば、前処理部９６は、ゴルフボール４８の画像が占める領域の色に基づいて、複数の所定色（例えば、白、黄色、ピンク）のうちから、最も色差が小さい色を特定してもよい。そして、前処理部９６は、ゴルフボール４８の画像が占める領域が特定された色となるよう画像全体を色補正することにより、学習入力画像を生成してもよい。
Further, the preprocessing
また、基礎画像に人工芝の像が含まれている場合に、前処理部９６は、人工芝の画像が示す領域の色が所定色（例えば、緑色）となるよう画像全体が色補正された学習入力画像を生成してもよい。
Further, when the image of the artificial turf is included in the basic image, the preprocessing
なお、図５、図７、図８に示す基礎画像にはドライバーが写っている。しかし、上述のように、複数の学習データのそれぞれに含まれる基礎画像には、ドライバーに限らず、フェアウェイウッド、ユーティリティ、アイアン、ウェッジなど様々な番手のゴルフクラブ１００が写っていることが望ましい。また、複数の学習データのそれぞれに含まれる基礎画像には、様々なモデルや型番のゴルフクラブ１００が写っていることが望ましい。
The basic images shown in FIGS. 5, 7, and 8 show the driver. However, as described above, the basic images included in each of the plurality of pieces of learning data desirably include
学習部９８は、本実施形態では例えば、学習入力画像を機械学習モデル９０に入力した際の出力を用いて、機械学習モデル９０の学習を実行する。ここで例えば、学習データに含まれる基礎画像に基づいて生成された学習入力画像を機械学習モデル９０に入力した際の出力と、当該学習データに含まれる教師データと、が比較されてもよい。そして当該比較の結果に基づいて機械学習モデル９０のパラメータの値が更新される教師あり学習が実行されてもよい。
In the present embodiment, the
ここで、本実施形態に係る学習装置７０で行われる学習処理の流れの一例を、図９に例示するフロー図を参照しながら説明する。ここでは例えば複数の学習データが学習データ記憶部９２に記憶されていることとする。
Here, an example of the flow of learning processing performed by the
まず、学習データ取得部９４が、学習データ記憶部９２に記憶されている複数の学習データのうち、Ｓ１０２～Ｓ１０４に示す処理が実行されていないものを１つ取得する（Ｓ１０１）。
First, the learning
そして、前処理部９６が、Ｓ１０１に示す処理で取得された学習データに含まれる基礎画像に基づいて、上述のようにして、当該基礎画像に対応する学習入力画像を生成する（Ｓ１０２）。
Then, based on the basic image included in the learning data acquired in the process shown in S101, the preprocessing
そして、学習部９８が、Ｓ１０２に示す処理で生成された学習入力画像を機械学習モデル９０に入力する（Ｓ１０３）。
Then, the
そして、学習部９８が、Ｓ１０３に示す処理における学習入力画像の入力に応じた機械学習モデル９０の出力を用いた、機械学習モデル９０の学習を実行する（Ｓ１０４）。ここで例えば、当該出力と、Ｓ１０１に示す処理で取得された学習データに含まれる教師データと、の比較に基づいて、機械学習モデル９０のパラメータの値が更新されてもよい。
Then, the
そして学習部９８が、学習データ記憶部９２に記憶されている複数の学習データのすべてについてＳ１０２～Ｓ１０４に示す処理が実行されたか否かを確認する（Ｓ１０５）。
Then, the
学習データ記憶部９２に記憶されている複数の学習データのすべてについてＳ１０２～Ｓ１０４に示す処理が実行されていないことが確認された場合は（Ｓ１０５：Ｎ）、Ｓ１０１に示す処理に戻る。 When it is confirmed that the processes shown in S102 to S104 have not been executed for all of the plurality of learning data stored in the learning data storage unit 92 (S105: N), the process returns to S101.
学習データ記憶部９２に記憶されている複数の学習データのすべてについてＳ１０２～Ｓ１０４に示す処理が実行されたことが確認された場合は（Ｓ１０５：Ｙ）、本処理例に示す処理は終了される。 When it is confirmed that the processes shown in S102 to S104 have been executed for all of the plurality of learning data stored in the learning data storage unit 92 (S105: Y), the process shown in this processing example ends. .
本実施形態では、以上のようにして複数の学習データが学習された学習済の機械学習モデル９０が生成される。そして生成された機械学習モデル９０は、ショット管理装置１０の記憶部１４に記憶される。
In this embodiment, a learned
そして、本実施形態では、ショット管理装置１０に記憶された学習済の機械学習モデル９０を用いて、ヘッド撮影装置３４のカメラ６０により撮影される画像に写っているゴルフクラブの種類の推定が行われる。
In this embodiment, the type of golf club captured in the image captured by the
以下、ヘッド撮影装置３４のカメラ６０により撮影される画像に写っているゴルフクラブの種類の推定を中心に、本実施形態に係るショット管理装置１０の機能、及び、ショット管理装置１０で実行される処理について、さらに説明する。
Hereinafter, the functions of the
図１０は、本実施形態に係るショット管理装置１０で実装される機能の一例を示す機能ブロック図である。なお、本実施形態に係るショット管理装置１０で、図１０に示す機能のすべてが実装される必要はなく、また、図１０に示す機能以外の機能が実装されていても構わない。
FIG. 10 is a functional block diagram showing an example of functions implemented in the
図１０に示すように、ショット管理装置１０には、機能的には例えば、機械学習モデル９０、受信部１１０、ショットデータ生成部１１２、ターゲット画像特定部１１４、クラブ種類推定部１１６、ショット管理データ生成部１１８、ショット管理データ記憶部１２０、集計部１２２、提供部１２４、が含まれる。
As shown in FIG. 10, the
機械学習モデル９０は、プロセッサ１２及び記憶部１４を主として実装される。受信部１１０は、通信部１６を主として実装される。ショットデータ生成部１１２、ターゲット画像特定部１１４、クラブ種類推定部１１６、ショット管理データ生成部１１８、集計部１２２は、プロセッサ１２を主として実装される。ショット管理データ記憶部１２０は、記憶部１４を主として実装される。提供部１２４は、プロセッサ１２及び表示部１８を主として実装される。
以上の機能は、コンピュータであるショット管理装置１０にインストールされた、以上の機能に対応する指令を含むプログラムをプロセッサ１２で実行することにより実装されてもよい。このプログラムは、例えば、光ディスク、磁気ディスク、磁気テープ、光磁気ディスク、フラッシュメモリ等のコンピュータ読み取り可能な情報記憶媒体を介して、あるいは、インターネットなどを介してショット管理装置１０に供給されてもよい。
The functions described above may be implemented by causing the
機械学習モデル９０は、本実施形態では例えば、図４～図９を参照して説明したようにして生成された学習済の機械学習モデルである。
The
受信部１１０は、本実施形態では例えば、ヘッドスピードデータ、ステレオカメラ４２により撮影された画像、カメラ５４により撮影された画像、及び、カメラ６０により撮影された画像をショット測定装置２２から受信する。
In this embodiment, the receiving
本実施形態では、１回のショットが行われる度に、受信部１１０は、当該ショットに対応付けられるヘッドスピードデータを弾道測定器３０から受信する。また、受信部１１０は、当該ショットに対応付けられる、ステレオカメラ４２により撮影された１又は複数の画像を弾道測定器３０から受信する。また、受信部１１０は、当該ショットに対応付けられる、カメラ５４により撮影された１又は複数の画像をヘッド挙動測定器３２から受信する。また、受信部１１０は、当該ショットに対応付けられる、カメラ６０により撮影された１又は複数の画像をヘッド撮影装置３４から受信する。
In the present embodiment, the receiving
また、受信部１１０が、ボール有無判別センサ４４から送信される上述の配置検出信号を受信してもよい。また、受信部１１０が、ボール有無判別センサ４４から送信される上述のショット検出信号を受信してもよい。また、受信部１１０が、通過センサ５８から送信される上述の通過検出信号を受信してもよい。
Further, the
ショットデータ生成部１１２は、本実施形態では例えば、ゴルフボール４８をショットする際の当該ゴルフボール４８をショットするゴルフクラブの挙動又はゴルフボール４８の挙動のうちの少なくとも一方を示すショットデータを生成する。ここでは例えば、上述のボールデータ、及び、上述のクラブデータを含む、ショットデータが生成される。
In the present embodiment, for example, the shot
ターゲット画像特定部１１４は、本実施形態では例えば、受信部１１０が受信する、１回のショットに対応付けられる、カメラ６０により撮影された１又は複数の画像のうちから、ゴルフクラブの推定に用いられるターゲット画像を特定する。本実施形態に係るターゲット画像には、ゴルフボール４８及び当該ゴルフボール４８をショットするゴルフクラブが表れている。
In this embodiment, for example, the target
ターゲット画像特定部１１４は、例えば、ショットにおけるアドレスのタイミングから当該ショットのタイミングまでの間に撮影された画像を、ターゲット画像に特定してもよい。この場合、例えば、配置検出信号の受信タイミングが、アドレスのタイミングとして取り扱われてもよい。また、例えば、ショット検出信号の受信タイミングが、ショットのタイミングとして取り扱われてもよい。
The target
ここで、ターゲット画像特定部１１４は、例えば、検出されるショットのタイミングの所定時間前にカメラ６０によって撮影された画像を、ターゲット画像に特定してもよい。
Here, the target
例えば、ターゲット画像特定部１１４が、ゴルフボール４８が配置されている状態から配置されていない状態への変化が検出されたタイミングの所定時間前にカメラ６０によって撮影された画像を、ターゲット画像に特定してもよい。例えば、ショット検出信号を受信したタイミングの所定時間前にカメラ６０によって撮影された画像が、ターゲット画像に特定されてもよい。
For example, the target
また、ターゲット画像特定部１１４は、ゴルフクラブの通過が検出されたタイミングの所定時間前にカメラ６０によって撮影された画像を、ターゲット画像に特定してもよい。例えば、通過検出信号を受信したタイミングの所定時間前にカメラ６０によって撮影された画像が、ターゲット画像に特定されてもよい。
Alternatively, the target
また、ターゲット画像特定部１１４は、受信部１１０が通過検出信号を受信してから所定時間以内にショット検出信号を受信した際に、ショットが行われたことを特定してもよい。そして、このようにしてショットが行われたことが特定された場合に、ショット検出信号を受信したタイミングの所定時間前にカメラ６０によって撮影された画像が、ターゲット画像に特定されてもよい。あるいは、このようにしてショットのタイミングが特定された場合に、通過検出信号を受信したタイミングの所定時間前にカメラ６０によって撮影された画像が、ターゲット画像に特定されてもよい。
Further, the target
また、上述のように、ボール有無判別センサ４４による配置検出がされたタイミングにカメラ６０による画像の撮影が開始されてもよい。そして、ターゲット画像特定部１１４は、配置検出がされたタイミング以後にカメラ６０によって撮影された画像を、ターゲット画像に特定してもよい。
Further, as described above, the image capturing by the
クラブ種類推定部１１６は、本実施形態では例えば、ターゲット画像に基づいて、当該ターゲット画像が表すショットに用いられたゴルフクラブの種類を推定する。ここで、クラブ種類推定部１１６は、学習済の機械学習モデル９０にターゲット画像を入力した際の出力に基づいて、当該ターゲット画像が表すショットに用いられたゴルフクラブの種類を推定してもよい。そして、クラブ種類推定部１１６は、本実施形態では例えば、推定されたゴルフクラブの種類を示すクラブ種類データを生成する。
In this embodiment, for example, based on the target image, the club
ショット管理データ生成部１１８は、本実施形態では例えば、１回のショットに対応付けられる上述のショットデータに、当該ショットについてクラブ種類推定部１１６によって推定されるゴルフクラブの種類を示すクラブ種類データを関連付ける。ここでは例えば、１回のショットに対応付けられる上述のショットデータと、当該ショットについて推定されたゴルフクラブの種類を示すクラブ種類データと、を含むショット管理データが生成される。なお、ショット管理データに、例えば、ショット検出信号の受信時刻などといったショットタイミングを示すショットタイミングデータが含まれるようにしてもよい。
In the present embodiment, for example, the shot management
ショット管理データ記憶部１２０は、本実施形態では例えば、ショット管理データ生成部１１８により生成されるショット管理データを記憶する。本実施形態ではショットが行われる度に、当該ショットに対応するショット管理データが生成される。そして、生成されるショット管理データがショット管理データ記憶部１２０に記憶される。
The shot management
集計部１２２は、本実施形態では例えば、ショット管理データ記憶部１２０に記憶されている複数のショット管理データを集計する。ここで、集計部１２２が、例えば、共通のゴルフクラブの種類に関連付けられている複数のショットデータのそれぞれが示す値の代表値を計算してもよい。例えば、集計部１２２が、ユーザにより指定された種類を示すクラブ種類データを含む複数のショット管理データを特定してもよい。
In this embodiment, for example, the
そして、集計部１２２が、当該複数のショット管理データにそれぞれに含まれるショットデータが示す値の代表値を計算してもよい。
Then, the
例えば、ボールスピードデータ、打出し角度データ、スピン量データ、飛距離データ、ヘッドスピードデータ、フェーススピードデータ、ヘッド軌道データ、ダイナミックロフトデータ、フェース角データ、ライ角データ、打点位置データ、法線角度データ、又は、フェースローテーションデータのうちの少なくとも１つについて、当該データの値の代表値（例えば、平均値、標準偏差、最大値、又は、最小値のうちの少なくとも１つ）が計算されてもよい。 For example, ball speed data, launch angle data, spin rate data, flight distance data, head speed data, face speed data, head trajectory data, dynamic loft data, face angle data, lie angle data, hit point data, normal angle For at least one of the data or the face rotation data, a representative value of the values of the data (e.g., at least one of the mean, standard deviation, maximum, or minimum) may be calculated. good.
提供部１２４は、本実施形態では、集計部１２２により計算される集計結果をユーザに提供する。ここで、提供部１２４は、本実施形態では、集計部１２２により計算される集計結果を表示部１８に表示させてもよい。また、集計部１２２により計算される集計結果が印刷出力されてもよい。
The providing
ここで、例えば、集計部１２２が、ユーザによるゴルフクラブの種類の指定に応じて、集計部１２２が当該種類に関連付けられている複数のショットデータのそれぞれが示す値の代表値を計算してもよい。例えば、集計部１２２が、指定された種類を示すクラブ種類データを含む複数のショット管理データを特定してもよい。そして、集計部１２２が、これら複数のショット管理データが示す値の代表値を計算してもよい。そして、提供部１２４が、計算された代表値を、表示部１８に表示させたり、印刷出力したりしてもよい。ここで、提供部１２４は、これら複数のショット管理データのそれぞれが示す値の一覧を併せて表示部１８に表示させたり、印刷出力したりしてもよい。
Here, for example, in response to designation of the type of golf club by the user, the totalizing
また、提供部１２４が、ゴルフクラブの種類ごとに、当該種類に対応する複数のショット管理データが示す値の代表値を計算してもよい。そして、ゴルフクラブの種類ごとの代表値の一覧を、表示部１８に表示させたり、印刷出力したりしてもよい。
Further, the providing
ここで、本実施形態に係るショット管理装置１０で行われる処理の流れの一例を、図１１に例示するフロー図を参照しながら説明する。図１１に示す処理例では、ショット検出信号の受信に応じて、１回のショットに対応付けられるショット管理データが生成され、記憶される。
Here, an example of the flow of processing performed by the
まず、ショットデータ生成部１１２が、受信部１１０によるショット検出信号の受信を待機する（Ｓ２０１）。
First, the
そして、受信部１１０によるショット検出信号の受信が検出されると、ショットデータ生成部１１２は、ショットデータを生成する（Ｓ２０２）。ここでは例えば、受信部１１０が、ショット検出信号の受信タイミング以前又は以後の所定時間以内に、弾道測定器３０及びヘッド挙動測定器３２から受信した画像、並びに、弾道測定器３０から受信したヘッドスピードデータが特定される。そして、特定された画像及びヘッドスピードデータに基づいて、ショットデータが生成される。
Then, when reception of the shot detection signal by the
そして、ターゲット画像特定部１１４が、上述のようにして、ターゲット画像を特定する（Ｓ２０３）。
Then, the target
そして、クラブ種類推定部１１６が、Ｓ２０３に示す処理で特定されたターゲット画像に基づいて、当該ターゲット画像に表れているゴルフクラブの種類を推定し、推定されたゴルフクラブの種類を示すクラブ種類データを生成する（Ｓ２０４）。ここで上述のように、ターゲット画像を機械学習モデル９０に入力した際の出力に基づいて、ゴルフクラブの種類が推定されてもよい。
Club
そして、ショット管理データ生成部１１８が、Ｓ２０２に示す処理で生成されたショットデータと、Ｓ２０４に示す処理で生成されたクラブ種類データと、を含むショット管理データを生成する（Ｓ２０５）。
Then, the shot management
そして、ショット管理データ生成部１１８が、Ｓ２０５に示す処理で生成されたショット管理データをショット管理データ記憶部１２０に記憶させて（Ｓ２０６）、本処理例に示す処理は終了される。
Then, the shot management
本実施形態では、基礎画像に対して前処理が実行されることで生成される学習入力画像により、機械学習モデル９０の学習が実行される。そのため、ゴルフクラブの種類を的確に推定できる機械学習モデル９０の学習を少ない画像を用いて行うことができることとなる。
In this embodiment, learning of the
また、本実施形態では、集計部１２２により、ゴルフクラブの種類ごとのショットデータが集計される。そのため、本実施形態によれば、ゴルフクラブの種類ごとのショットデータの集計の手間を低減できることとなる。
Further, in the present embodiment, the tallying
なお、本実施形態において、クラブ種類推定部１１６が、ターゲット画像内においてゴルフボール４８の画像が占める領域の位置、大きさ、又は、色のうちの少なくとも１つに基づいて、ゴルフクラブ及びゴルフボール４８を少なくとも表す、ターゲット画像とは異なる、入力画像を生成してもよい。例えば、基礎画像に基づいて学習入力画像を生成する際に用いられるアルゴリズムと同様のアルゴリズムにより、ターゲット画像に基づいて入力画像が生成されてもよい。
Note that in the present embodiment, the club
例えば、クラブ種類推定部１１６が、入力画像内におけるゴルフボール４８の画像が占める領域の位置が所定の位置である入力画像を生成してもよい。
For example, the club
また、例えば、クラブ種類推定部１１６が、ゴルフボール４８の画像が占める領域の大きさが所定の大きさである入力画像を生成してもよい。
Further, for example, the club
また、例えば、クラブ種類推定部１１６が、ゴルフボール４８の画像が占める領域の色が所定色となるよう画像全体が色補正された入力画像を生成してもよい。
Further, for example, the club
また、例えば、ターゲット画像が、人工芝をさらに表す画像であり、クラブ種類推定部１１６が、人工芝の画像が示す領域の色が所定色となるよう画像全体が色補正された入力画像を生成してもよい。
Further, for example, the target image is an image further representing artificial turf, and the club
また、例えば、クラブ種類推定部１１６が、人工芝の縁の向きが所定の向きとなるよう画像全体が回転された入力画像を生成してもよい。
Further, for example, the club
また、例えば、ターゲット画像が、ティー５０をさらに表す画像であり、クラブ種類推定部１１６が、ティー５０の向きが所定の向きとなるよう画像全体が回転された入力画像を生成してもよい。
Alternatively, for example, the target image may be an image further representing the
そして、クラブ種類推定部１１６が、入力画像を機械学習モデル９０に入力した際の出力に基づいて、ゴルフクラブの種類を推定してもよい。
Then, the club
なおこの場合、機械学習モデル９０が、前処理部９６により生成される学習入力画像の入力に応じた出力を用いた学習が実行された機械学習モデルでなくても構わない。例えば、ゴルフクラブ及びゴルフボール４８が所定の向きとなり、所定の画角で、所定の色味となるよう撮影された学習入力画像と、当該ゴルフクラブの種類を示す教師データと、を含むよう予め作成された複数の学習データを用いた学習が実行された機械学習モデルであっても構わない。
Note that in this case, the
以上のように、ゴルフボール４８、ティー５０、人工芝の像を頼りに、ターゲット画像に基づいて生成された、学習入力画像に似た入力画像を機械学習モデル９０に入力した際の出力に基づいて、ゴルフクラブの種類を推定してもよい。この場合、機械学習モデル９０が前処理部９６により生成される学習入力画像の入力に応じた出力を用いた学習が実行されたものであるか否かに関わらず、ゴルフクラブの種類を的確に推定できる機械学習モデル９０の学習を少ない画像を用いて行うことができる。
As described above, based on the images of the
なお、本発明は上述の実施形態に限定されるものではない。 It should be noted that the present invention is not limited to the above-described embodiments.
例えば、ショット測定装置２２が打音を検出する打音検出センサを備えていてもよい。そして、打音検出センサによって打音が検出されたタイミングに、打音検出センサが、所定のショット検出信号をショット管理装置１０に送信してもよい。そして、受信部１１０が当該ショット検出信号を受信してもよい。
For example, the
そしてこの場合に、ターゲット画像特定部１１４が、打音が検出されたタイミングの所定時間前にヘッド撮影装置３４のカメラ６０により撮影された画像を、ターゲット画像に特定してもよい。例えば、打音検出センサが送信するショット検出信号を受信部１１０が受信したタイミングの所定時間前にカメラ６０により撮影された画像が、ターゲット画像に特定されてもよい。
In this case, the target
また、ショット管理装置１０とショット測定装置２２との役割分担は上述のものには限定されない。例えば、ショット管理装置１０で実装される図１０に示す機能の一部又は全部がショット測定装置２２で実装されてもよい。また、例えば、ショット管理装置１０でヘッドスピードデータが生成されてもよい。
Also, the division of roles between the
また、ヘッド撮影装置３４の機能が、ヘッド挙動測定器３２に実装されていてもよい。
Also, the function of the
また、例えば、図１２に示すように、複数のショット測定システム１が、ショット管理装置１０と同様の、パーソナルコンピュータなどのコンピュータである集計装置１３０と通信可能であってもよい。そして、それぞれのショット測定システム１が、ショット管理データ生成部１１８によって生成されたショット管理データを、集計装置１３０に送信してもよい。この場合、送信されるショット管理データには、当該ショット管理データを送信するショット測定システム１の識別情報が関連付けられていてもよい。
Further, for example, as shown in FIG. 12, a plurality of
そして、集計装置１３０が、上述の集計部１２２や提供部１２４の機能を担っていてもよい。例えば、集計装置１３０が、上述したように、複数のショット測定システム１から受信した複数のショット管理データを集計してもよい。そして集計装置１３０が、集計装置１３０により計算される集計結果を、集計装置１３０のユーザに提供してもよい。
The
複数のゴルフショップのそれぞれに、ショット測定システム１が設けられている場合に以上のようにすることで、複数のゴルフショップで生成されたショットデータを横断的に分析することができる。例えば、ゴルフショットごと、ショットに用いられたゴルフクラブの種類ごとのショットデータの分析を行うことができる。
When the
なお、本実施形態に係るショット測定システム１が設けられる場所は特に問わず、例えば、ゴルフ練習場にショット測定システム１が設けられていてもよい。
The place where the
また、上述の集計部１２２や提供部１２４の機能に限らず、例えば、図１０に示す機械学習モデル９０、受信部１１０、ショットデータ生成部１１２、ターゲット画像特定部１１４、クラブ種類推定部１１６、ショット管理データ生成部１１８、ショット管理データ記憶部１２０の機能の一部又は全部が、集計装置１３０で実装されてもよい。
10, the receiving
また、クラブ種類推定部１１６は、学習済の機械学習モデル９０を用いずに、ターゲット画像が表すショットに用いられたゴルフクラブの種類を推定してもよい。
Alternatively, the club
例えば、クラブ種類推定部１１６が、ターゲット画像内のクラブヘッドに対応した特定範囲の画素値を有する画素を、例えば、人工芝等の緑色の背景に対応した画素値を有する画素から切り分けて抽出してもよい。
For example, the club
そして、クラブヘッドの大きさ、又は、クラブヘッドの形状に関する第１特徴情報が特定されてもよい。ここで、抽出されたクラブヘッドの像の画素の総数をクラブヘッドの大きさとしてもよい。また、抽出されたクラブヘッドの画像の領域から、クラブヘッドのシャフトが挿入される筒形状のソケット部の像を除去して得られるクラウン部及びサイド部の像の輪郭形状の情報が特定されてもよい。輪郭形状は、ウッド系のゴルフクラブの場合、種類によって大きく異なるので、抽出されたクラウン部の像の輪郭形状から、ゴルフクラブの種類を判別することができる。輪郭形状は、例えば輪郭を表す曲線の傾斜角度あるいは曲線の曲率によって特徴付けることができる。また、クラウン部及びサイド部の像の縦横比が特定されてもよい。 Then, first characteristic information regarding the size of the club head or the shape of the club head may be specified. Here, the total number of pixels of the extracted image of the club head may be used as the size of the club head. Further, from the extracted area of the image of the club head, information on the contour shape of the images of the crown and side portions obtained by removing the image of the cylindrical socket into which the shaft of the club head is inserted is specified. good too. In the case of wood-type golf clubs, the contour shape varies greatly depending on the type, so the type of golf club can be determined from the contour shape of the extracted image of the crown portion. The profile shape can be characterized, for example, by the slope angle of the curve representing the profile or the curvature of the curve. Also, the aspect ratio of the crown and side images may be specified.
そして、特定された第１特徴情報に基づいて、ゴルフクラブの種類が推定されてもよい。例えばクラブ種類推定部１１６が、第１特徴情報とゴルフクラブの種類とを対応付けた参照テーブルを予め保持していてもよい。そして、特定された第１特徴情報から、この参照テーブルを参照することにより、ゴルフクラブの種類が推定されてもよい。
Then, the type of golf club may be estimated based on the specified first characteristic information. For example, the club
また、クラブ種類推定部１１６が、ゴルフクラブのモデル名あるいは型番と対応付けることができる、模様、記号、又は色彩のうちの少なくとも１つの第２特徴情報を有する複数のクラブヘッドの参照画像を予め保持していてもよい。そして、ターゲット画像内のクラブヘッドの像について、保持している参照画像を呼び出して、それぞれの参照画像中の第２特徴情報とのマッチングを行うことにより、ゴルフクラブのモデル名あるいは型番が推定されてもよい。
In addition, the club
第２特徴情報は、クラブヘッドの輪郭形状、フェース面に設けられたスコアラインの模様、フェース面に設けられたパンチマークの形態、フェース面に形成された装飾模様、又はクラブヘッドに設けられたロゴマークの少なくともいずれか１つを含んでいてもよい。 The second feature information is the contour shape of the club head, the pattern of the score lines provided on the face, the form of punch marks provided on the face, the decorative pattern formed on the face, or the score provided on the club head. At least one of the logo marks may be included.
また、本実施形態において、ゴルフクラブの種類の推定結果に応じて、弾道測定器３０のステレオカメラ４２による撮影タイミング及び撮影範囲が変更されてもよい。
Further, in the present embodiment, the shooting timing and shooting range of the
また、上記の具体的な数値は例示であり、これらの数値には限定されない。 Moreover, the above specific numerical values are examples, and the present invention is not limited to these numerical values.
１ ショット測定システム、１０ ショット管理装置、１２ プロセッサ、１４ 記憶部、１６ 通信部、１８ 表示部、２０ 操作部、２２ ショット測定装置、３０ 弾道測定器、３２ ヘッド挙動測定器、３４ ヘッド撮影装置、４０ フラッシュ光源、４２ ステレオカメラ、４４ ボール有無判別センサ、４６ ヘッドスピードセンサ、４８ ゴルフボール、５０ ティー、５２ フラッシュ光源、５４ カメラ、５６ 反射板、５８ 通過センサ、６０ カメラ、７０ 学習装置、７２ プロセッサ、７４ 記憶部、７６ 通信部、７８ 表示部、８０ 操作部、９０ 機械学習モデル、９２ 学習データ記憶部、９４ 学習データ取得部、９６ 前処理部、９８ 学習部、１００ ゴルフクラブ、１０２ 縁、１１０ 受信部、１１２ ショットデータ生成部、１１４ ターゲット画像特定部、１１６ クラブ種類推定部、１１８ ショット管理データ生成部、１２０ ショット管理データ記憶部、１２２ 集計部、１２４ 提供部、１３０ 集計装置。 1 shot measurement system, 10 shot management device, 12 processor, 14 storage unit, 16 communication unit, 18 display unit, 20 operation unit, 22 shot measurement device, 30 trajectory measurement device, 32 head behavior measurement device, 34 head photographing device, 40 flash light source, 42 stereo camera, 44 ball presence/absence determination sensor, 46 head speed sensor, 48 golf ball, 50 tee, 52 flash light source, 54 camera, 56 reflector, 58 passage sensor, 60 camera, 70 learning device, 72 processor , 74 storage unit, 76 communication unit, 78 display unit, 80 operation unit, 90 machine learning model, 92 learning data storage unit, 94 learning data acquisition unit, 96 preprocessing unit, 98 learning unit, 100 golf club, 102 edge, 110 receiving unit, 112 shot data generating unit, 114 target image specifying unit, 116 club type estimating unit, 118 shot management data generating unit, 120 shot management data storage unit, 122 totalizing unit, 124 providing unit, 130 totalizing device.
Claims (14)
ゴルフクラブ及びゴルフボールを少なくとも表す基礎画像を取得する基礎画像取得手段と、
前記基礎画像内において前記ゴルフボールの画像が占める領域の位置、大きさ、又は、色のうちの少なくとも１つに基づいて、前記ゴルフクラブ及び前記ゴルフボールを少なくとも表す、前記基礎画像とは異なる、前記学習入力画像を生成する学習入力画像生成手段と、
を含むことを特徴とする画像生成システム。 An image generation system for generating a learning input image used for learning a machine learning model for estimating the type of golf club used for a shot,
a basic image acquiring means for acquiring a basic image representing at least the golf club and the golf ball;
different from the base image, which represents at least the golf club and the golf ball based on at least one of the position, size, or color of the area occupied by the golf ball image in the base image; learning input image generating means for generating the learning input image;
An image generation system comprising:
ことを特徴とする請求項１に記載の画像生成システム。 The learning input image generating means generates the learning input image in which the position of the area occupied by the image of the golf ball in the learning input image is a predetermined position.
2. The image generation system according to claim 1, wherein:
ことを特徴とする請求項１又は２に記載の画像生成システム。 The learning input image generating means generates the learning input image in which the area occupied by the image of the golf ball has a predetermined size.
3. The image generating system according to claim 1 or 2, characterized in that:
ことを特徴とする請求項１から３のいずれか一項に記載の画像生成システム。 The learning input image generating means generates the learning input image in which the entire image is color-corrected so that the color of the area occupied by the image of the golf ball is a predetermined color.
4. The image generation system according to any one of claims 1 to 3, characterized in that:
前記学習入力画像生成手段は、前記人工芝の画像が示す領域の色が所定色となるよう画像全体が色補正された前記学習入力画像を生成する、
ことを特徴とする請求項１から３のいずれか一項に記載の画像生成システム。 The basic image is an image that further represents an artificial turf,
The learning input image generating means generates the learning input image in which the entire image is color-corrected such that the color of the area indicated by the image of the artificial turf is a predetermined color.
4. The image generation system according to any one of claims 1 to 3, characterized in that:
ことを特徴とする請求項５に記載の画像生成システム。 The learning input image generating means generates the learning input image in which the entire image is rotated so that the edge of the artificial turf is oriented in a predetermined direction.
6. The image generation system according to claim 5, characterized in that:
前記学習入力画像生成手段は、前記人工芝の縁の向きが所定の向きとなるよう画像全体が回転された前記学習入力画像を生成する、
ことを特徴とする請求項１から４のいずれか一項に記載の画像生成システム。 The basic image is an image that further represents an artificial turf,
The learning input image generating means generates the learning input image in which the entire image is rotated so that the edge of the artificial turf is oriented in a predetermined direction.
5. The image generation system according to any one of claims 1 to 4, characterized in that:
前記学習入力画像生成手段は、前記ティーの向きが所定の向きとなるよう画像全体が回転された前記学習入力画像を生成する、
ことを特徴とする請求項１から５のいずれか一項に記載の画像生成システム。 The base image is an image that further represents a tee,
The learning input image generating means generates the learning input image in which the entire image is rotated so that the orientation of the tee is a predetermined orientation.
6. The image generating system according to any one of claims 1 to 5, characterized in that:
ことを特徴とする請求項１から８のいずれか一項に記載の画像生成システム。 learning means for executing learning of the machine learning model using an output when the learning input image is input to the machine learning model;
The image generation system according to any one of claims 1 to 8, characterized in that:
ゴルフクラブ及びゴルフボールを少なくとも表すターゲット画像を取得するターゲット画像取得手段と、
前記ターゲット画像内において前記ゴルフボールの画像が占める領域の位置、大きさ、又は、色のうちの少なくとも１つに基づいて、前記ゴルフクラブ及び前記ゴルフボールを少なくとも表す、前記ターゲット画像とは異なる、入力画像を生成する入力画像生成手段と、
前記入力画像を前記学習済の前記機械学習モデルに入力した際の出力に基づいて、前記ゴルフクラブの種類を推定する推定手段と、
を含むことを特徴とする推定システム。 An estimation system that estimates the type of golf club used for a shot using a trained machine learning model,
a target image acquisition means for acquiring a target image representing at least a golf club and a golf ball;
different from the target image, which represents at least the golf club and the golf ball based on at least one of the location, size, or color of the area occupied by the golf ball image in the target image; input image generation means for generating an input image;
estimating means for estimating the type of the golf club based on the output when the input image is input to the learned machine learning model;
An estimation system comprising:
ゴルフクラブ及びゴルフボールを少なくとも表す基礎画像を取得するステップと、
前記基礎画像内において前記ゴルフボールの画像が占める領域の位置、大きさ、又は、色のうちの少なくとも１つに基づいて、前記ゴルフクラブ及び前記ゴルフボールを少なくとも表す、前記基礎画像とは異なる、前記学習入力画像を生成するステップと、
を含むことを特徴とする画像生成方法。 An image generation method for generating a learning input image used for learning a machine learning model for estimating the type of golf club used for a shot, comprising:
obtaining a base image representing at least a golf club and a golf ball;
different from the base image, which represents at least the golf club and the golf ball based on at least one of the position, size, or color of the area occupied by the golf ball image in the base image; generating the training input images;
An image generation method, comprising:
ゴルフクラブ及びゴルフボールを少なくとも表すターゲット画像を取得するステップと、
前記ターゲット画像内において前記ゴルフボールの画像が占める領域の位置、大きさ、又は、色のうちの少なくとも１つに基づいて、前記ゴルフクラブ及び前記ゴルフボールを少なくとも表す、前記ターゲット画像とは異なる、入力画像を生成するステップと、
前記入力画像を前記学習済の前記機械学習モデルに入力した際の出力に基づいて、前記ゴルフクラブの種類を推定するステップと、
を含むことを特徴とする推定方法。 An estimation method for estimating the type of golf club used for a shot using a trained machine learning model,
obtaining a target image representing at least a golf club and a golf ball;
different from the target image, which represents at least the golf club and the golf ball based on at least one of the location, size, or color of the area occupied by the golf ball image in the target image; generating an input image;
estimating the type of the golf club based on the output when the input image is input to the trained machine learning model;
An estimation method comprising:
ゴルフクラブ及びゴルフボールを少なくとも表す基礎画像を取得する手順、
前記基礎画像内において前記ゴルフボールの画像が占める領域の位置、大きさ、又は、色のうちの少なくとも１つに基づいて、前記ゴルフクラブ及び前記ゴルフボールを少なくとも表す、前記基礎画像とは異なる、前記学習入力画像を生成する手順、
を実行させることを特徴とするプログラム。 A computer that generates learning input images used for learning a machine learning model that estimates the type of golf club used for a shot,
obtaining a base image representing at least a golf club and a golf ball;
different from the base image, which represents at least the golf club and the golf ball based on at least one of the position, size, or color of the area occupied by the golf ball image in the base image; generating the training input image;
A program characterized by causing the execution of
ゴルフクラブ及びゴルフボールを少なくとも表すターゲット画像を取得する手順、
前記ターゲット画像内において前記ゴルフボールの画像が占める領域の位置、大きさ、又は、色のうちの少なくとも１つに基づいて、前記ゴルフクラブ及び前記ゴルフボールを少なくとも表す、前記ターゲット画像とは異なる、入力画像を生成する手順、
前記入力画像を前記学習済の前記機械学習モデルに入力した際の出力に基づいて、前記ゴルフクラブの種類を推定する手順、
を実行させることを特徴とするプログラム。 Using a trained machine learning model, a computer that estimates the type of golf club used for the shot,
obtaining a target image representing at least a golf club and a golf ball;
different from the target image, which represents at least the golf club and the golf ball based on at least one of the location, size, or color of the area occupied by the golf ball image in the target image; steps to generate the input image,
a step of estimating the type of the golf club based on the output when the input image is input to the learned machine learning model;
A program characterized by causing the execution of
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019154905A JP7307334B2 (en) | 2019-08-27 | 2019-08-27 | Image generation system, estimation system, image generation method, estimation method and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019154905A JP7307334B2 (en) | 2019-08-27 | 2019-08-27 | Image generation system, estimation system, image generation method, estimation method and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021033775A JP2021033775A (en) | 2021-03-01 |
| JP7307334B2 true JP7307334B2 (en) | 2023-07-12 |
Family
ID=74678302
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019154905A Active JP7307334B2 (en) | 2019-08-27 | 2019-08-27 | Image generation system, estimation system, image generation method, estimation method and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7307334B2 (en) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002342758A (en) | 2001-05-15 | 2002-11-29 | Osamu Hasegawa | Visual recognition system |
| JP2012212373A (en) | 2011-03-31 | 2012-11-01 | Casio Comput Co Ltd | Image processing device, image processing method and program |
| JP2012531941A (en) | 2009-06-30 | 2012-12-13 | ゴルフゾン カンパニー リミテッド | Golf simulation apparatus and method |
| JP2015219648A (en) | 2014-05-15 | 2015-12-07 | カシオ計算機株式会社 | Age estimation device, imaging device, age estimation method and program |
| JP2016127880A (en) | 2015-01-09 | 2016-07-14 | セイコーエプソン株式会社 | Information recording apparatus, information recording system, information recording method and information recording program |
-
2019
- 2019-08-27 JP JP2019154905A patent/JP7307334B2/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002342758A (en) | 2001-05-15 | 2002-11-29 | Osamu Hasegawa | Visual recognition system |
| JP2012531941A (en) | 2009-06-30 | 2012-12-13 | ゴルフゾン カンパニー リミテッド | Golf simulation apparatus and method |
| JP2012212373A (en) | 2011-03-31 | 2012-11-01 | Casio Comput Co Ltd | Image processing device, image processing method and program |
| JP2015219648A (en) | 2014-05-15 | 2015-12-07 | カシオ計算機株式会社 | Age estimation device, imaging device, age estimation method and program |
| JP2016127880A (en) | 2015-01-09 | 2016-07-14 | セイコーエプソン株式会社 | Information recording apparatus, information recording system, information recording method and information recording program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2021033775A (en) | 2021-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12002222B2 (en) | Device for calculating flight information of ball, method of calculating flight information of ball, and computing-device-readable recording medium having the method recorded therein | |
| JP4271615B2 (en) | Golf club head behavior measuring device | |
| JP6582641B2 (en) | How to display golf club swing | |
| JP2018004638A (en) | Method and system for measuring ball spin and non-transitory computer-readable recording medium | |
| JP5975711B2 (en) | Golf swing classification method, classification system, classification device, and program | |
| JP2013009771A (en) | System, method, and program for measurement and analysis of behavior of golf club head in golf swing | |
| JP5471357B2 (en) | Golf club swing display method and display chart | |
| JP7319540B2 (en) | Shot management system, shot management method and program | |
| JP2009045495A (en) | Behavior measuring instrument for golf club head | |
| JP7307334B2 (en) | Image generation system, estimation system, image generation method, estimation method and program | |
| KR102578896B1 (en) | Theta data acquisition system and theta data acquisition method | |
| JP5540665B2 (en) | Golf club selection method and selection apparatus, and golf club | |
| JP7360023B2 (en) | Shot management system, shot management method and program | |
| JP7410370B2 (en) | Shot management system and shot management method | |
| KR101019801B1 (en) | Apparatus and method for sensing moving object and virtual golf simulation device using the same | |
| TWI635887B (en) | Sensing device for calculating information on golf shot of user and sensing method using the same | |
| US20220273998A1 (en) | Detecting method of golf club and sensing device using the same | |
| TWI453056B (en) | Virtual golf simulation apparatus and sensing device and method used for the same | |
| JP6710961B2 (en) | Golf swing analysis method | |
| JP2006204359A (en) | Golf ball trial hitting machine | |
| TW202408629A (en) | System for automatic equipment id and performance evaluation and related methods | |
| CN117876457A (en) | Golf club data measurement method and device and electronic equipment | |
| JP2023056996A (en) | Putting practice implement, putter mat having putting practice implement, putter practice application, and putting analysis device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220713 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230525 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230530 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230612 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7307334 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |