論文の概要: Optical tracking in team sports
- arxiv url: http://arxiv.org/abs/2204.04143v1
- Date: Fri, 8 Apr 2022 15:51:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-11 12:18:22.373000
- Title: Optical tracking in team sports
- Title（参考訳）: チームスポーツにおける光トラッキング
- Authors: Pegah Rahimian and Laszlo Toka
- Abstract要約: 入力データを作成する過程について、定量的データアナリストに基本的な理解を提供する。
本稿では,トラッキングの事前処理手順,この領域における最も一般的な課題,およびスポーツチームへのデータ追跡の適用について論じる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sports analysis has gained paramount importance for coaches, scouts, and
fans. Recently, computer vision researchers have taken on the challenge of
collecting the necessary data by proposing several methods of automatic player
and ball tracking. Building on the gathered tracking data, data miners are able
to perform quantitative analysis on the performance of players and teams. With
this survey, our goal is to provide a basic understanding for quantitative data
analysts about the process of creating the input data and the characteristics
thereof. Thus, we summarize the recent methods of optical tracking by providing
a comprehensive taxonomy of conventional and deep learning methods, separately.
Moreover, we discuss the preprocessing steps of tracking, the most common
challenges in this domain, and the application of tracking data to sports
teams. Finally, we compare the methods by their cost and limitations, and
conclude the work by highlighting potential future research directions.
- Abstract（参考訳）: スポーツ分析はコーチ、スカウト、ファンにとって重要視されている。
近年,コンピュータビジョン研究者は,自動演奏とボールトラッキングの手法を複数提案することにより,必要なデータ収集の課題に取り組んでいる。
収集された追跡データに基づいて、データマイナーはプレイヤーとチームのパフォーマンスを定量的に分析することができる。
本調査の目的は,入力データの作成過程とその特性について,定量的データ分析者に対して基礎的理解を提供することである。
そこで本研究では,従来の学習法と深層学習法の包括的分類法を別途提供し,近年の光学追跡法を概説する。
さらに,この領域におけるデータ追跡のプロセス前ステップ,最も一般的な課題,スポーツチームへのデータ追跡の適用について論じる。
最後に,その手法を費用と限界で比較し,今後の研究の方向性を強調することで結論づける。
関連論文リスト
- DISCOVER: A Data-driven Interactive System for Comprehensive Observation, Visualization, and ExploRation of Human Behaviour [6.716560115378451]
我々は,人間行動分析のための計算駆動型データ探索を効率化するために,モジュール型でフレキシブルでユーザフレンドリなソフトウェアフレームワークを導入する。
我々の主な目的は、高度な計算方法論へのアクセスを民主化することであり、これにより研究者は、広範囲の技術的熟練を必要とせずに、詳細な行動分析を行うことができる。
論文 参考訳（メタデータ） (2024-07-18T11:28:52Z) - Beyond Traditional Single Object Tracking: A Survey [0.0]
我々は、シーケンスモデル、生成モデル、自己教師付き学習、教師なし学習、強化学習、メタラーニング、継続学習、ドメイン適応など、視覚における最先端技術を紹介します。
本稿では,新しい手法とトレンドに基づく単一物体追跡手法の新たな分類法を提案する。
提案手法の長所と短所を解析し, 単体追跡における非従来手法の指針を示す。
論文 参考訳（メタデータ） (2024-05-16T20:55:31Z) - Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。
また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
論文 参考訳（メタデータ） (2024-05-13T14:44:22Z) - Data Augmentation in Human-Centric Vision [54.97327269866757]
本研究では,人間中心型視覚タスクにおけるデータ拡張手法の包括的分析を行う。
それは、人物のReID、人間のパーシング、人間のポーズ推定、歩行者検出など、幅広い研究領域に展開している。
我々の研究は、データ拡張手法をデータ生成とデータ摂動の2つの主なタイプに分類する。
論文 参考訳（メタデータ） (2024-03-13T16:05:18Z) - Towards Sequence-Level Training for Visual Tracking [60.95799261482857]
本研究は、強化学習に基づく視覚追跡のためのシーケンスレベルのトレーニング戦略を導入する。
4つの代表的な追跡モデル、SiamRPN++、SiamAttn、TransT、TrDiMPは、提案手法をトレーニングに取り入れることで一貫して改善されている。
論文 参考訳（メタデータ） (2022-08-11T13:15:36Z) - 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) - Visual Object Tracking with Discriminative Filters and Siamese Networks:
A Survey and Outlook [97.27199633649991]
識別相関フィルタ (DCF) とディープシームズネットワーク (SN) が支配的な追跡パラダイムとして出現している。
本調査では,9つのトラッキングベンチマークの結果に基づいて,90以上のDCFとSiameseトラッカーの体系的,徹底的なレビューを行う。
論文 参考訳（メタデータ） (2021-12-06T07:57:10Z) - A Comparative Review of Recent Few-Shot Object Detection Algorithms [0.0]
ラベル付きデータで新しいクラスに適応するために学習するオブジェクトの少ない検出は、命令的で長期にわたる問題である。
近年の研究では、ターゲットドメインを監督せずに追加データセットに暗黙の手がかりを使って、少数のショット検出器が堅牢なタスク概念を洗練させる方法が研究されている。
論文 参考訳（メタデータ） (2021-10-30T07:57:11Z) - Multi-modal Visual Tracking: Review and Experimental Comparison [85.20414397784937]
マルチモーダルトラッキングアルゴリズム,特に可視深度(RGB-D)と可視温度(RGB-T)を要約する。
5つのデータセット上でトラッカーの有効性を分析する実験を行った。
論文 参考訳（メタデータ） (2020-12-08T02:39:38Z) - Self-Supervised Small Soccer Player Detection and Tracking [8.851964372308801]
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。
論文 参考訳（メタデータ） (2020-11-20T10:57:18Z) - Challenges and Opportunities for Computer Vision in Real-life Soccer
Analytics [6.144873990390373]
スポーツ分析は、スポーツデータのコーパスからのパターンの理解と発見を扱う。
本稿では主に,コンピュータビジョンにおけるスポーツビデオ解析による課題と機会に焦点を当てる。
論文 参考訳（メタデータ） (2020-04-13T20:06:23Z)
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。