PaddleSports是飞桨面向体育场景的端到端开发套件，实现人工智能技术与体育行业的深度融合，目标打造“AI+Sports”的标杆案例集。PaddleSports的特色如下：
-
整体采用“5W1H”的产品架构，即：when（什么时间），where（什么位置），who（是谁），what（发生了什么），why（为什么），how（怎么样）。系统梳理人工智能技术在体育行业的研究、应用、落地。
-
AI模型：从精度、速度、集成度三个维度进行性能评测。AI技术不仅是深度学习，同时整理了经典3D建模，SLAM，机器学习，以及硬件集成开发等工作，目标打造软硬一体的“AI+Sports”开发套件。
-
数据：除了各个已有的公开数据集来评测深度模型的性能外，将首次推出SportsBenchmark，力争能够用一个数据集来评测所有算法模型。
-
工具：面向体育场景的工具集，比如标注工具、检测工具、识别工具等，具有All-in-One，AutoRun的特点。
-
应用：涵盖足球、跳水、乒乓球、花样滑冰、健身、篮球、蹦床、大跳台、速度滑冰、跑步等热门的体育运动。
“when”模块重点从时域角度回答以下问题：
1）输入一段视频，首先判断是什么体育运动；
2）从一段视频中，精确分割出体育运动的起止时间；
3）判断每一帧属于哪个动作，以跳水三米板为例，动作过程分为：走板、起跳、空中、入水等阶段。
4）时间同步，针对多相机同步问题，整理了硬件同步和软件同步两种控制方法。
5）编解码，包括视频编解码和音频编解码。
| 任务 | 技术方向 | 技术细分 | 算法模型 |
|---|---|---|---|
| 1.when | 1.1) 视频分类 | 视频分类（是什么体育项目） | PP-TSM |
| PP-TimeSformer | |||
| SlowFast | |||
| AttentionLSTM | |||
| MoViNet | |||
| 1.2) 视频分割 | 片段切割（起始点，终止点） | BMN | |
| 1.3) 视频理解 | 动作识别（每一帧属于什么动作） | MS-TCN | |
| CFBI | |||
| ASRF | |||
| 1.4) 硬件同步 | 硬件同步 | PTP同步，IEEE 1588 | |
| 软件同步 | CPU时钟同步 | ||
| 1.5) 编解码 | 视频编码 | H.264/MPEG-4 AVC | |
| 音频编码 | WAV/MP3/AAC | ||