論文の概要: Soccer line mark segmentation with stochastic watershed transform
- arxiv url: http://arxiv.org/abs/2108.06432v1
- Date: Sat, 14 Aug 2021 00:51:12 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-17 15:16:12.637790
- Title: Soccer line mark segmentation with stochastic watershed transform
- Title（参考訳）: 確率的流域変換によるサッカーラインマークセグメンテーション
- Authors: Daniel Berj\'on, Carlos Cuevas, Narciso Garc\'ia
- Abstract要約: そこで本稿では,流域変換に基づくラインマーキングを自動的かつ正確にセグメント化するための新しい手法を提案する。
この戦略は、5つのスタジアムのマッチから60枚の注釈付き画像で構成された、新しいパブリックデータベース上でテストされている。
- 参考スコア（独自算出の注目度）: 1.7188280334580195
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Augmented reality applications are beginning to change the way sports are
broadcast, providing richer experiences and valuable insights to fans. The
first step of augmented reality systems is camera calibration, possibly based
on detecting the line markings of the field of play. Most existing proposals
for line detection rely on edge detection and Hough transform, but optical
distortion and extraneous edges cause inaccurate or spurious detections of line
markings. We propose a novel strategy to automatically and accurately segment
line markings based on a stochastic watershed transform that is robust to
optical distortions, since it makes no assumptions about line straightness, and
is unaffected by the presence of players or the ball in the field of play.
Firstly, the playing field as a whole is segmented completely eliminating the
stands and perimeter boards. Then the line markings are extracted.
The strategy has been tested on a new and public database composed by 60
annotated images from matches in five stadiums. The results obtained have
proven that the proposed segmentation algorithm allows successful and precise
detection of most line mark pixels.
- Abstract（参考訳）: 拡張現実のアプリケーションは、スポーツの放送方法を変え始めており、より豊かな体験と貴重な洞察をファンに提供する。
拡張現実システムの最初のステップはカメラキャリブレーションであり、おそらくはフィールドのラインマークを検出することに基づいている。
ライン検出のための既存の提案のほとんどはエッジ検出とハフ変換に依存しているが、光学的歪みと外縁はラインマーキングの不正確または散発的な検出を引き起こす。
本稿では,直線の直さを前提とせず,競技場における選手やボールの存在の影響を受けないため,光学歪みに頑健な確率的流域変換に基づいて,ラインマーキングを自動的かつ正確にセグメント化する方法を提案する。
第一に、全体としての遊技場は、スタンド及び周板を完全に取り除く。
そして、線マークを抽出する。
この戦略は、5つのスタジアムで60枚のアノテートされた画像からなる新しい公開データベースでテストされている。
得られた結果は,提案したセグメント化アルゴリズムにより,ほとんどのラインマーク画素を精度よく検出できることを証明した。
関連論文リスト
- Accurate Tennis Court Line Detection on Amateur Recorded Matches [0.0]
本稿では,Hough-Line-Detectionアルゴリズムの改良と改良について述べる。
本手法は,従来のアルゴリズムと比較して,素人の汚い裁判所の線を正確に検出することができる。
本手法は,ロバストな球追跡システムと組み合わせることで,アマチュアとプロのテニスの試合の正確な自動審判を可能にする。
論文 参考訳（メタデータ） (2024-04-10T12:45:27Z) - DeepLSD: Line Segment Detection and Refinement with Deep Image Gradients [105.25109274550607]
ラインセグメントは、視覚タスクでますます使われています。
画像勾配に基づく従来の線検出器は非常に高速で精度が高いが、ノイズの多い画像や困難な条件では頑丈さに欠ける。
我々は、両方の世界を最大限に活用するために、伝統的なアプローチと学習されたアプローチを組み合わせることを提案する。
論文 参考訳（メタデータ） (2022-12-15T12:36:49Z) - RCLane: Relay Chain Prediction for Lane Detection [76.62424079494285]
本稿では,リレーチェーン予測に基づく車線検出手法を提案する。
当社の戦略では,TuSimple,CULane,CurveLanes,LLAMASの4つの主要なベンチマーク上で,最先端の新たなベンチマークを確立することが可能です。
論文 参考訳（メタデータ） (2022-07-19T16:48:39Z) - Segmentation-Based Bounding Box Generation for Omnidirectional
Pedestrian Detection [8.122270502556374]
一方向歩行者検出のためのセグメンテーションに基づくバウンディングボックス生成法を提案する。
視野が広いため、全方位カメラは標準カメラよりも費用対効果が高い。
標準歩行者検出器は、全方位画像における歩行者の外観が任意の角度に回転する可能性があるため、大幅に劣化する可能性が高い。
論文 参考訳（メタデータ） (2021-04-28T13:53:21Z) - SOLD2: Self-supervised Occlusion-aware Line Description and Detection [95.8719432775724]
単一深層ネットワークにおける回線セグメントの最初の共同検出と記述について紹介します。
我々の手法は注釈付き行ラベルを必要としないため、任意のデータセットに一般化することができる。
複数のマルチビューデータセットにおいて,従来の行検出と記述方法に対するアプローチを評価した。
論文 参考訳（メタデータ） (2021-04-07T19:27:17Z) - Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
本稿では,分類に基づく比較的研究の少ない方法論について検討する。
我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。
航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
論文 参考訳（メタデータ） (2020-11-19T05:42:02Z) - ULSD: Unified Line Segment Detection across Pinhole, Fisheye, and
Spherical Cameras [17.943949895764938]
ラインセグメント検出は、コンピュータビジョンとロボット工学におけるハイレベルなタスクに不可欠である。
現在、ほとんどの最新技術(SOTA)法は、歪みのないピンホール画像の直線部分の検出に特化している。
本稿では,歪み画像と歪画像の両方に対して,統一ラインセグメント検出(ULSD)を目標とする。
論文 参考訳（メタデータ） (2020-11-06T03:30:17Z) - End-to-End Lane Marker Detection via Row-wise Classification [13.82948181492772]
自律運転では、信頼性が高く正確な車線マーカーの位置を検出することが重要な課題である。
レーンマーカー検出問題に対する従来のアプローチは、ピクセルレベルの高密度予測タスクを実行し、その後に洗練された後処理を行う。
後処理のステップを使わずに,エンドツーエンドで直接車線マーカー予測を行う手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T12:48:46Z) - Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。
我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。
実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
論文 参考訳（メタデータ） (2020-03-23T10:51:32Z) - Deep Hough Transform for Semantic Line Detection [70.28969017874587]
自然の場面で意味のある線構造、つまり意味的な線を検知する基本的なタスクに焦点をあてる。
従来の手法は線の性質を無視し、準最適性能をもたらす。
行検出のためのワンショットエンドツーエンド学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-10T13:08:42Z)
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。