論文の概要: Player Identification in Hockey Broadcast Videos

• arxiv url: http://arxiv.org/abs/2009.02429v2
• Date: Mon, 14 Sep 2020 01:18:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-21 21:02:18.712992
• Title: Player Identification in Hockey Broadcast Videos
• Title（参考訳）: ホッケー放送映像におけるプレイヤー識別
• Authors: Alvin Chan, Martin D. Levine, Mehrsan Javan
• Abstract要約: 我々はNHL放送におけるホッケー選手識別の問題を解決するために,深層畳み込みニューラルネットワークアプローチを提案する。 本稿では,ResNet+LSTMネットワークの出力を分類するために,2次1次元畳み込みニューラルネットワークをレイトスコアレベル融合法として利用する。 これにより、新しいデータセットのテスト分割で、全体的なプレイヤー識別精度が87%以上になる。
• 参考スコア（独自算出の注目度）: 18.616544581429835
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a deep recurrent convolutional neural network (CNN) approach to solve the problem of hockey player identification in NHL broadcast videos. Player identification is a difficult computer vision problem mainly because of the players' similar appearance, occlusion, and blurry facial and physical features. However, we can observe players' jersey numbers over time by processing variable length image sequences of players (aka 'tracklets'). We propose an end-to-end trainable ResNet+LSTM network, with a residual network (ResNet) base and a long short-term memory (LSTM) layer, to discover spatio-temporal features of jersey numbers over time and learn long-term dependencies. For this work, we created a new hockey player tracklet dataset that contains sequences of hockey player bounding boxes. Additionally, we employ a secondary 1-dimensional convolutional neural network classifier as a late score-level fusion method to classify the output of the ResNet+LSTM network. This achieves an overall player identification accuracy score over 87% on the test split of our new dataset.
• Abstract（参考訳）: 我々はNHL放送ビデオにおけるホッケー選手識別の問題を解決するために,CNN(Deep Recurrent Convolutional Neural Network)アプローチを提案する。 プレイヤーの識別は、主にプレイヤーの外観、閉塞性、顔と身体の特徴がぼやけたため、難しいコンピュータビジョンの問題である。 しかし、プレイヤーの可変長画像列(いわゆる「トラックレット」)を処理することで、プレイヤーのジャージ番号を時間とともに観察することができる。 本稿では,残余ネットワーク(ResNet)ベースと長期短期メモリ(LSTM)層を備えたエンドツーエンドのトレーニング可能なResNet+LSTMネットワークを提案する。 この研究のために,ホッケー選手のバウンディングボックスのシーケンスを含む,新しいホッケー選手のトラックレットデータセットを作成した。 さらに、resnet+lstmネットワークの出力を分類するために、後期スコアレベルの融合法として2次1次元畳み込みニューラルネットワーク分類器を用いる。 これにより、新しいデータセットのテスト分割で、全体的なプレイヤー識別精度が87%以上になる。

関連論文リスト

• SoccerNet Game State Reconstruction: End-to-End Athlete Tracking and Identification on a Minimap [102.5232204867158]
  我々は、ゲーム状態再構成のタスクを形式化し、フットボールビデオに焦点を当てた新しいゲーム状態再構成データセットである、サッカーネット-GSRを紹介する。 SoccerNet-GSRは、ピッチローカライゼーションとカメラキャリブレーションのための937万行のアノテートにより、30秒間の200の動画シーケンスで構成されている。 我々の実験は、GSRは挑戦的な新しい課題であり、将来の研究の場を開くことを示している。
  論文  参考訳（メタデータ） (2024-04-17T12:53:45Z)
• Domain-Guided Masked Autoencoders for Unique Player Identification [62.87054782745536]
  マスク付きオートエンコーダ (MAE) は, 従来の特徴抽出器よりも優れた代替手段として出現している。 人間の視覚に触発され、我々はd-MAEと呼ばれるMAEのための新しいドメイン誘導マスキングポリシーを考案した。 3つの大規模スポーツデータセットの実験を行った。
  論文  参考訳（メタデータ） (2024-03-17T20:14:57Z)
• Jersey Number Recognition using Keyframe Identification from Low-Resolution Broadcast Videos [7.776923607006088]
  プレイヤー識別は、プレイヤーアセスメント、ゲーム内分析、放送アセスメントなどの様々なタスクを可能にする、ビジョン駆動型サッカー分析において重要な要素である。 以前の手法では画像データでは成功したが、ほとんどのフレームではジャージ番号が見えない実世界のビデオデータに苦戦している。 本稿では,ジャージ数に関する重要な高レベル情報を含むフレームを抽出する,ロバストな下流識別モジュールを提案する。
  論文  参考訳（メタデータ） (2023-09-12T14:43:50Z)
• Automated player identification and indexing using two-stage deep learning network [0.23610495849936355]
  本稿では,アメリカンフットボールの試合における選手の参加を自動的に追跡し,その参加度を指標とする深層学習型選手追跡システムを提案する。 関心領域をハイライトし、ジャージ番号情報を高精度に識別するための2段階ネットワーク設計である。 フットボールビデオの質的,定量的な結果を分析することにより,選手追跡システムの有効性と信頼性を実証する。
  論文  参考訳（メタデータ） (2022-04-26T02:59:03Z)
• 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)
• Music Generation Using an LSTM [52.77024349608834]
  LSTM(Long Short-Term Memory)ネットワーク構造は、シリーズの次の出力の予測に非常に有用であることが証明されている。 Recurrent Neural Networks (RNN) を用いた音楽生成手法の実証 我々は、音楽生成におけるLSTMの直感、理論、応用に関する簡単な要約を提供し、この目標を達成するのに最適なネットワークを開発し、提示し、直面する問題や課題を特定し、対処し、今後のネットワーク改善の可能性を含める。
  論文  参考訳（メタデータ） (2022-03-23T00:13:41Z)
• Ice hockey player identification via transformers [11.28395713457468]
  そこで我々は,NHL(National Hockey League)ビデオで選手のジャージー番号を識別するトランスフォーマーネットワークを導入する。 提案するネットワークは、使用したデータセットの以前のベンチマークよりもパフォーマンスがよい。 また,光学式文字認識(OCR)を用いてゲーム時間を読み取ることで,NHLプレイバイプレイデータで利用可能なプレイヤーシフトを利用して,特定のゲーム時間でプレイヤーをアイスリンクに誘導する。
  論文  参考訳（メタデータ） (2021-11-22T21:10:26Z)
• Keypoint Message Passing for Video-based Person Re-Identification [106.41022426556776]
  ビデオベースの人物再識別(re-ID)は、異なるカメラで捉えた人々のビデオスニペットをマッチングすることを目的とした、視覚監視システムにおいて重要な技術である。 既存の手法は主に畳み込みニューラルネットワーク(CNN)に基づいており、そのビルディングブロックは近隣のピクセルを一度に処理するか、あるいは3D畳み込みが時間情報のモデル化に使用される場合、人の動きによって生じるミスアライメントの問題に悩まされる。 本稿では,人間指向グラフ法を用いて,通常の畳み込みの限界を克服することを提案する。具体的には,人手指のキーポイントに位置する特徴を抽出し,時空間グラフとして接続する。
  論文  参考訳（メタデータ） (2021-11-16T08:01:16Z)
• Player Tracking and Identification in Ice Hockey [9.577770317771087]
  本稿では,NHLホッケー映像の選手の追跡と識別を行う自動システムを提案する。 本システムは,(1)選手追跡,(2)チーム識別,(3)プレイヤー識別の3つのコンポーネントから構成される。 チーム識別では、アウトチームジャージは単一のクラスにグループ化され、ホームチームジャージはそのジャージの色に応じてクラスにグループ化される。 時間的一次元畳み込みネットワークを利用してプレイヤー境界ボックス列からプレイヤーを識別する新しいプレイヤー識別モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-06T22:37:08Z)
• Top-1 Solution of Multi-Moments in Time Challenge 2019 [56.15819266653481]
  一般的な画像に基づく行動認識手法であるTRN, TSN, TSMを用いて, 実験を行った。 高速かつ正確な認識に向けて,新しい時間的インターレースネットワークを提案する。 我々は上記の全てのモデルをアンサンブルし、検証セットで67.22%、テストセットで60.77%を獲得し、最終リーダーボードで1位となった。
  論文  参考訳（メタデータ） (2020-03-12T15:11:38Z)

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。