华为云开发者社区 摘要：本文讲述的是MindSpore对篮球运动员目标的检测应用，通过AI技术辅助对篮球赛场进行分析。
本文分享自华为云社区《MindSpore大V博文系列：AI对篮球运动员目标的检测》，原文作者：李锐锋。
MindSpore作为一个端边云协同的开源的全场景AI框架，今年3月份开源以来，受到了发展中国家的广泛关注和应用，欢迎大家参与开源贡献，模型众智合作，行业创新与应用，学术合作等，贡献您在云侧，端侧 （HiMindSpore应用程序），侧向以及安全领域的应用案例。MindSpore与您在AI领域共同成长，让AI使能千行百业，释放出强大的性能。 MindSpore对篮球运动员目标的检测应用，通过AI技术辅助对篮球赛场进行分析。
一、AI在篮球运动检测方面的使用
想必大家对篮球运动都比较熟悉，在看球赛时，通过我们的肉眼看到的画面，对赛场情况进行观察，可以分析出一些有用的信息。现在随着AI技术的迅速发展，通过深度学习算法也可以对篮球赛场上的画面进行学习，然后对篮球运动员的数量、行为等提取一些有用的信息，比如：通过对球员衣服颜**分出各篮球队的成员，也可以通过对球员的行为分析出球员正在执行什么动作以及赛场的比分等，如图1所示为通过ModelArts平台完成推理后展示的球员信息。
图1 深度学习推理出球员信息
那么怎么通过AI技术对篮球赛场进行分析呢，首先我们选择AI架构是基于华为自研AI计算框架MindSpore。MindSpore提供全场景统一API，为全场景AI的模型开发、模型运行、模型部署提供端到端能力。同时，MindSpore采用端-边-云按需写作分布式架构、微分原生编程新范式以及AI Native新执行模式，实现更好的资源效率、安全可信，同时降低行业AI开发门槛、释放昇腾芯片算力，助力普惠AI。
选择AI框架之后，我们这次选择的网络模型是基于MindSpore框架开发的yolov3_darknet53网络模型。
如果你想要查看篮球运动员检测的网络代码，可以访问MindSpore社区的开源代码，地址：https://github.com/mindspore-ai/mindspore-21-days-tutorials/tree/main/chapter4
在MindSpore开源社区也可以找到基于MindSpore框架的yolov3_darknet53网络的源码，使用的是coco2014数据集，
![[爱了]](/js/img/d1.gif)
![[尴尬]](/js/img/d16.gif)