論文の概要: Knock, knock. Who's there? -- Identifying football player jersey numbers with synthetic data

• arxiv url: http://arxiv.org/abs/2203.00734v1
• Date: Tue, 1 Mar 2022 20:44:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-03 13:29:54.004974
• Title: Knock, knock. Who's there? -- Identifying football player jersey numbers with synthetic data
• Title（参考訳）: ノック、ノック。 誰だ? --合成データによるサッカー選手ジャージ番号の識別
• Authors: Divya Bhargavi, Erika Pelaez Coyotl, Sia Gholami
• Abstract要約: シアトル・シーホークスの練習ビデオから得られた,小型で不均衡なデータセットにおいて,ジャージ番号識別のための新しい手法を提案する。 以上の結果から, 単純なモデルではジャージ数検出タスクで許容性能が得られ, 合成データにより性能が劇的に向上することが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Automatic player identification is an essential and complex task in sports video analysis. Different strategies have been devised over the years, but identification based on jersey numbers is one of the most common approaches given its versatility and relative simplicity. However, automatic detection of jersey numbers is still challenging due to changing camera angles, low video resolution, small object size in wide-range shots and transient changes in the player's posture and movement. In this paper we present a novel approach for jersey number identification in a small, highly imbalanced dataset from the Seattle Seahawks practice videos. Our results indicate that simple models can achieve an acceptable performance on the jersey number detection task and that synthetic data can improve the performance dramatically (accuracy increase of ~9% overall, ~18% on low frequency numbers) making our approach achieve state of the art results.
• Abstract（参考訳）: 自動プレイヤー識別はスポーツビデオ解析において必須かつ複雑なタスクである。 長年にわたり異なる戦略が考案されてきたが、ジャージ数に基づく識別は、その汎用性と相対的な単純さから最も一般的なアプローチの1つである。 しかし、カメラアングルの変化、低解像度、ワイドレンジショットでの小さな物体サイズ、プレイヤーの姿勢や動きの過渡的な変化など、ジャージ番号の自動検出は依然として難しい。 本稿では,シアトル・シーホークスの練習ビデオから得られた小規模で高度にバランスの取れないデータセットにおいて,ジャージ番号識別のための新しい手法を提案する。 以上の結果から, 単純なモデルではジャージ数検出タスクにおいて許容性能が得られ, 合成データにより性能が劇的に向上することが示唆された(全体の精度が約9%向上し, 低周波数数では約18%向上)。

関連論文リスト

• Generalized Jersey Number Recognition Using Multi-task Learning With Orientation-guided Weight Refinement [12.058303459124003]
  ジャージー番号認識(JNR)はスポーツ分析において常に重要な課題である。 近年の研究では、数値ローカライゼーションと光学的文字認識を用いてこの問題に対処している。 本稿では,人体方向の角度と数字の手がかりを組み合わせた多タスク学習手法であるアングル・ディジット・スキーム(ADRS)を提案する。
  論文  参考訳（メタデータ） (2024-06-03T06:35:11Z)
• A General Framework for Jersey Number Recognition in Sports Video [5.985204759362746]
  ジャージーの数字認識はスポーツビデオ解析において重要な課題であり、その理由の一部は長期の選手追跡において重要であるためである。 本稿では,ホッケーのための新しいパブリックジャージ番号認識データセットを紹介し,この問題に対してシーンテキスト認識手法をどのように適用できるかを考察する。 我々は,イメージレベルのタスクとトラックレットレベルのタスクで高いパフォーマンスを示し,ホッケーのイメージでは91.4%,サッカーのトラックレットでは87.4%の精度を達成した。
  論文  参考訳（メタデータ） (2024-05-22T18:08:26Z)
• 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)
• 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)
• Sports Re-ID: Improving Re-Identification Of Players In Broadcast Videos Of Team Sports [0.0]
  本研究は、チームスポーツの放送ビデオにおけるプレイヤーの再識別に焦点を当てている。 具体的には、試合の特定の瞬間に異なるカメラ視点から撮影された画像において、同じプレイヤーを特定することに焦点を当てる。
  論文  参考訳（メタデータ） (2022-06-06T06:06:23Z)
• 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)
• Semantic-guided Pixel Sampling for Cloth-Changing Person Re-identification [80.70419698308064]
  本稿では,テクスチャ変更者のre-IDタスクに対する意味誘導型画素サンプリング手法を提案する。 まず、歩行者の上着とズボンを認識し、次に他の歩行者からピクセルをサンプリングしてランダムに変更します。 本手法は65.8%をランク1精度で達成し, 従来手法よりも大きなマージンで優れていた。
  論文  参考訳（メタデータ） (2021-07-24T03:41:00Z)
• Apparel-invariant Feature Learning for Apparel-changed Person Re-identification [70.16040194572406]
  ほとんどのパブリックなReIDデータセットは、人の外観がほとんど変化しない短時間のウィンドウで収集される。 ショッピングモールのような現実世界の応用では、同じ人の服装が変化し、異なる人が同様の服を着ることがある。 着替えなどの場合や、類似の服を着ている場合などにおいて、アパレル不変の人物表現を学ぶことは極めて重要である。
  論文  参考訳（メタデータ） (2020-08-14T03:49:14Z)
• Intra-Camera Supervised Person Re-Identification [87.88852321309433]
  本稿では,カメラごとの個人識別アノテーションに基づく新しい人物識別パラダイムを提案する。 これにより、最も時間がかかり、面倒なカメラ間IDラベリングプロセスがなくなる。 MATE(Multi-tAsk mulTi-labEl)Deep Learning method for intra-Camera Supervised (ICS) person re-id。
  論文  参考訳（メタデータ） (2020-02-12T15:26:33Z)

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。