論文の概要: Automatic Pass Annotation from Soccer VideoStreams Based on Object Detection and LSTM

• arxiv url: http://arxiv.org/abs/2007.06475v1
• Date: Mon, 13 Jul 2020 16:14:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-10 23:23:53.756685
• Title: Automatic Pass Annotation from Soccer VideoStreams Based on Object Detection and LSTM
• Title（参考訳）: オブジェクト検出とLSTMに基づくサッカービデオストリームからの自動パスアノテーション
• Authors: Danilo Sorano, Fabio Carrara, Paolo Cintia, Fabrizio Falchi, Luca Pappalardo
• Abstract要約: PassNetは、サッカーで最も頻繁なイベント、すなわちパスをビデオストリームから認識する方法である。 その結果,パス検出の精度が向上し,良好な結果が得られた。 PassNetは自動イベントアノテーションシステムへの第一歩です。
• 参考スコア（独自算出の注目度）: 6.87782863484826
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Soccer analytics is attracting increasing interest in academia and industry, thanks to the availability of data that describe all the spatio-temporal events that occur in each match. These events (e.g., passes, shots, fouls) are collected by human operators manually, constituting a considerable cost for data providers in terms of time and economic resources. In this paper, we describe PassNet, a method to recognize the most frequent events in soccer, i.e., passes, from video streams. Our model combines a set of artificial neural networks that perform feature extraction from video streams, object detection to identify the positions of the ball and the players, and classification of frame sequences as passes or not passes. We test PassNet on different scenarios, depending on the similarity of conditions to the match used for training. Our results show good classification results and significant improvement in the accuracy of pass detection with respect to baseline classifiers, even when the match's video conditions of the test and training sets are considerably different. PassNet is the first step towards an automated event annotation system that may break the time and the costs for event annotation, enabling data collections for minor and non-professional divisions, youth leagues and, in general, competitions whose matches are not currently annotated by data providers.
• Abstract（参考訳）: サッカーのアナリティクスは,各試合で発生した時空間的な出来事をすべて記述したデータの提供によって,学界や産業への関心が高まっている。 これらのイベント(パス、ショット、ファウルなど)は人手によって収集され、時間と経済資源の観点からデータ提供者にとってかなりのコストがかかる。 本稿では,サッカーにおける最も頻繁なイベント,すなわちパスをビデオストリームから認識する手法であるPassNetについて述べる。 本モデルでは,映像ストリームから特徴抽出を行うニューラルネットワークのセットと,ボールの位置とプレイヤを識別するオブジェクト検出と,パスするか否かのフレームシーケンスの分類を組み合わせた。 異なるシナリオでパスネットをテストするが、トレーニングに使用するマッチと条件の類似性によって異なる。 その結果,テストセットとトレーニングセットの一致条件がかなり異なる場合でも,分類結果が良好であり,ベースライン分類器に対するパス検出精度が大幅に向上した。 passnetは、イベントアノテーションの時間とコストを損なう可能性のある自動イベントアノテーションシステムへの第一歩であり、マイナーおよび非プロの部門、ユースリーグ、そして一般に、現在データプロバイダによってアノテートされていないコンペティションのためのデータコレクションを可能にする。

関連論文リスト

• MatchTime: Towards Automatic Soccer Game Commentary Generation [52.431010585268865]
  観客の視聴体験を改善するために,自動サッカーゲーム解説モデルの構築を検討する。 まず、既存のデータセットでよく見られるビデオテキストのミスアライメントを観察し、49試合のタイムスタンプを手動でアノテートする。 第2に,既存のデータセットを自動的に修正・フィルタリングするマルチモーダル時間アライメントパイプラインを提案する。 第3に、キュレートされたデータセットに基づいて、MatchVoiceという自動コメント生成モデルをトレーニングします。
  論文  参考訳（メタデータ） (2024-06-26T17:57:25Z)
• Towards Active Learning for Action Spotting in Association Football Videos [59.84375958757395]
  フットボールビデオの分析は困難であり、微妙で多様な時間的パターンを特定する必要がある。 現在のアルゴリズムは、限られた注釈付きデータから学ぶ際に大きな課題に直面している。 次にアノテートすべき最も情報に富んだビデオサンプルを選択する能動的学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-09T11:50:41Z)
• Event Detection in Football using Graph Convolutional Networks [0.0]
  ビデオシーケンスの各フレームにおけるプレーヤとボールをグラフとしてモデル化する方法を示す。 本稿では,各アクションの周囲に存在する時間的コンテキストをモデル化するためのグラフ畳み込み層とプール法について述べる。
  論文  参考訳（メタデータ） (2023-01-24T14:52:54Z)
• A Graph-Based Method for Soccer Action Spotting Using Unsupervised Player Classification [75.93186954061943]
  アクションスポッティングには、ゲームのダイナミクス、イベントの複雑さ、ビデオシーケンスのバリエーションを理解することが含まれる。 本研究では, (a) 選手, 審判, ゴールキーパーをグラフのノードとして識別し, および (b) 時間的相互作用をグラフのシーケンスとしてモデル化することによって, 前者に焦点を当てる。 プレーヤ識別タスクでは,他のモダリティと組み合わせることで,平均mAPの57.83%の総合的な性能が得られる。
  論文  参考訳（メタデータ） (2022-11-22T15:23:53Z)
• SoccerNet-Tracking: Multiple Object Tracking Dataset and Benchmark in Soccer Videos [62.686484228479095]
  本稿では,各30の200列からなる複数物体追跡のための新しいデータセットを提案する。 データセットは、バウンディングボックスとトラックレットIDで完全に注釈付けされている。 分析の結果,サッカービデオにおける複数の選手,審判,ボール追跡が解決されるには程遠いことがわかった。
  論文  参考訳（メタデータ） (2022-04-14T12:22:12Z)
• Automatic event detection in football using tracking data [0.0]
  本研究では,すべての選手と球の座標の追跡データを用いて,サッカーイベントを自動的に抽出するフレームワークを提案する。 提案手法は, 1) ボールが保持されていない時間間隔において, ボールが保持されているかのモデルと, ボールが保持されていない時間間隔の異なる選手構成の2つのモデルから成り立っている。
  論文  参考訳（メタデータ） (2022-02-01T23:20:40Z)
• Reliable Shot Identification for Complex Event Detection via Visual-Semantic Embedding [72.9370352430965]
  本稿では,映像中の事象検出のための視覚的意味的誘導損失法を提案する。 カリキュラム学習に動機付け,高い信頼性の事例で分類器の訓練を開始するために,負の弾性正規化項を導入する。 提案する非ネット正規化問題の解法として,代替最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-10-12T11:46:56Z)
• A Unified Taxonomy and Multimodal Dataset for Events in Invasion Games [3.7111751305143654]
  本稿では,侵略ゲームにおける多種多様な低レベル・高レベルの事象を包括する普遍的な分類法を提案する。 我々は、細粒度および球中心イベントスポッティングの研究を促進するため、金標準アノテーションを用いたビデオデータと位置データからなる2つのマルチモーダルデータセットをリリースする。
  論文  参考訳（メタデータ） (2021-08-25T10:09:28Z)
• RMS-Net: Regression and Masking for Soccer Event Spotting [52.742046866220484]
  イベントラベルとその時間的オフセットを同時に予測できる,軽量でモジュール化されたアクションスポッティングネットワークを開発した。 SoccerNetデータセットでテストし、標準機能を使用して、完全な提案は3平均mAPポイントで現在の状態を超えます。
  論文  参考訳（メタデータ） (2021-02-15T16:04:18Z)
• Event detection in coarsely annotated sports videos via parallel multi receptive field 1D convolutions [14.30009544149561]
  スポーツビデオ分析のような問題では、正確なフレームレベルのアノテーションと正確なイベント時間を得るのは難しい。 粗い注釈付きビデオにおけるイベント検出の課題を提案する。 本稿では,提案課題に対する多層時間畳み込みネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-04-13T19:51:25Z)
• Slicing and dicing soccer: automatic detection of complex events from spatio-temporal data [4.652872227256855]
  スポーツビデオにおけるイベントの自動検出は、データ分析だけでなく、ブロードキャストやメディア企業にも重要な応用がある。 本稿では,サッカービデオにおける多種多様な複雑な事象を抽出するための包括的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-04-08T17:57:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。