論文の概要: Self-Supervised Small Soccer Player Detection and Tracking

• arxiv url: http://arxiv.org/abs/2011.10336v1
• Date: Fri, 20 Nov 2020 10:57:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 06:07:57.657883
• Title: Self-Supervised Small Soccer Player Detection and Tracking
• Title（参考訳）: 自己監督型小型サッカー選手検出・追跡
• Authors: Samuel Hurault, Coloma Ballester, Gloria Haro
• Abstract要約: 最先端のトラッキングアルゴリズムは、トレーニングされたシナリオで印象的な結果を得るが、サッカーの試合のような挑戦的なシナリオでは失敗する。 これは、しばしばプレイヤーの相対的なサイズが小さく、同じチームのプレイヤーに類似しているためである。 そこで本研究では,低解像度のサッカー選手を異なる記録条件下で検出・追跡できる自己教師型パイプラインを提案する。
• 参考スコア（独自算出の注目度）: 8.851964372308801
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In a soccer game, the information provided by detecting and tracking brings crucial clues to further analyze and understand some tactical aspects of the game, including individual and team actions. State-of-the-art tracking algorithms achieve impressive results in scenarios on which they have been trained for, but they fail in challenging ones such as soccer games. This is frequently due to the player small relative size and the similar appearance among players of the same team. Although a straightforward solution would be to retrain these models by using a more specific dataset, the lack of such publicly available annotated datasets entails searching for other effective solutions. In this work, we propose a self-supervised pipeline which is able to detect and track low-resolution soccer players under different recording conditions without any need of ground-truth data. Extensive quantitative and qualitative experimental results are presented evaluating its performance. We also present a comparison to several state-of-the-art methods showing that both the proposed detector and the proposed tracker achieve top-tier results, in particular in the presence of small players.
• Abstract（参考訳）: サッカーの試合において、検出と追跡によって提供される情報は、個人やチームの行動を含むゲームの戦術的側面を分析し、理解するために重要な手がかりをもたらす。 最先端のトラッキングアルゴリズムは、トレーニングされたシナリオで印象的な結果を得るが、サッカーの試合のような挑戦的なシナリオでは失敗する。 これは、しばしばプレイヤーの相対的なサイズが小さく、同じチームのプレイヤーに類似しているためである。 簡単な解決策は、より具体的なデータセットを使用してこれらのモデルを再トレーニングすることだが、そのような公開アノテートされたデータセットの欠如は、他の効果的なソリューションを探すことを伴う。 本研究では,地上データを必要とせず,異なる記録条件下で低解像度のサッカー選手を検出・追跡できる自己教師付きパイプラインを提案する。 定量的・質的実験を行い,その性能評価を行った。 また,提案手法では,検出器と追跡器の双方が上位層,特に小型プレーヤの存在下での結果を得ることを示す。

関連論文リスト

• 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)
• 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)
• Large Scale Real-World Multi-Person Tracking [68.27438015329807]
  本稿では,新しい大規模多人数追跡データセットであるtexttPersonPath22を提案する。 MOT17、HiEve、MOT20などの高品質なマルチオブジェクト追跡データセットよりも桁違いに大きい。
  論文  参考訳（メタデータ） (2022-11-03T23:03:13Z)
• 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)
• Efficient tracking of team sport players with few game-specific annotations [1.052782170493037]
  そこで本研究では,セミ・インタラクティブ・システムを通じて収集された人間のアノテーションがほとんどないため,チームスポーツ選手をフルゲーム中に追跡する新たな汎用手法を提案する。 非曖昧なトラックレットとその外観特徴は、両方の公開データセットで事前訓練された検出と再識別ネットワークによって自動的に生成される。 ラグビーのセブンスデータセットにアプローチの効率性を示す。
  論文  参考訳（メタデータ） (2022-04-08T13:11:30Z)
• Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
  チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。 提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。 次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
  論文  参考訳（メタデータ） (2022-03-10T02:37:39Z)
• Extraction of Positional Player Data from Broadcast Soccer Videos [3.7437974317872]
  サッカーの試合の放送映像記録から位置データの完全自動抽出のためのパイプラインを提案する。 このシステムは、スポーツフィールド登録、プレーヤー検出、チーム割り当てなど、必要なすべてのサブタスクを統合している。 個々のモジュールとパイプライン全体の総合的な実験的評価が提示される。
  論文  参考訳（メタデータ） (2021-10-21T12:49:56Z)
• Unsupervised Noisy Tracklet Person Re-identification [100.85530419892333]
  本稿では,非照合トラックレットデータから識別的人物再識別モデルを訓練できる選択的トラックレット学習(STL)手法を提案する。 これにより、カメラビュー全体で人物の画像/トラックレットの真のマッチングペアを完全にラベル付けする面倒でコストのかかるプロセスが回避されます。 提案手法は生トラックレットの任意のノイズデータに対して特に頑健であるため,制約のない追跡データから識別モデル学習にスケーラブルである。
  論文  参考訳（メタデータ） (2021-01-16T07:31:00Z)
• Evaluating Soccer Player: from Live Camera to Deep Reinforcement Learning [0.0]
  オープンソースのプレイヤー追跡モデルと、Deep Reinforcement Learningのみに基づいてこれらのプレイヤーを評価する新しいアプローチの2つの部分のソリューションを紹介します。 私達の追跡モデルは私達がまた解放するデータセットの監視された方法で訓練され、私達の評価モデルは仮想サッカーゲームのシミュレーションだけに頼ります。 新たなアプローチであるExpected Discounted Goal(EDG)は、チームが特定の状態から獲得または達成できる目標の数を表します。
  論文  参考訳（メタデータ） (2021-01-13T23:26:17Z)
• Group Activity Detection from Trajectory and Video Data in Soccer [16.134402513773463]
  サッカーにおけるグループアクティビティ検出は、ビデオデータまたはプレーヤとボールの軌跡データを用いて行うことができる。 現在のサッカーデータセットでは、活動は時間なしで原子イベントとしてラベル付けされる。 その結果,ほとんどの事象は,時間分解能が0.5秒未満の視力や軌跡に基づくアプローチで検出できることがわかった。
  論文  参考訳（メタデータ） (2020-04-21T21:11:30Z)

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。