Méthode de référence CNN spatio-temporelle pour la tâche de vidéo sportive du benchmark MediaEval 2021

Ce document présente la méthode de référence proposée pour la tâche Sports Video du benchmark MediaEval 2021. Cette tâche comprend deux sous-tâches : la détection de coups (stroke detection) et la classification de coups (stroke classification). La méthode de référence aborde les deux sous-tâches. L'architecture CNN spatio-temporelle et le processus d'entraînement du modèle sont adaptés en fonction de la sous-tâche traitée. Le but de cette méthode est d'aider les participants à résoudre la tâche et non d'atteindre des performances de pointe. Néanmoins, pour la sous-tâche de détection, la méthode de référence performe mieux que les autres participants, ce qui souligne la difficulté d'une telle tâche.