論文の概要: Deep Learning-based Automatic Player Identification and Logging in
American Football Videos
- arxiv url: http://arxiv.org/abs/2204.13809v1
- Date: Tue, 26 Apr 2022 02:59:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-08 23:38:45.249269
- Title: Deep Learning-based Automatic Player Identification and Logging in
American Football Videos
- Title（参考訳）: アメリカンフットボールビデオにおける深層学習に基づく自動選手識別とログ
- Authors: Hongshan Liu, Colin Aderon, Noah Wagon, Huapu Liu, Steven MacCall, Yu
Gan
- Abstract要約: 本稿では,選手を自動的に追跡し,各選手の参加度を指標として,深層学習に基づくフットボールビデオ分析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多段階ネットワーク設計である。
提案システムでは,フットボール放送映像の実装と分析に大きな可能性を示す。
- 参考スコア（独自算出の注目度）: 0.3040864511503504
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: American football games attract significant worldwide attention every year.
Game analysis systems generate crucial information that can help analyze the
games by providing fans and coaches with a convenient means to track and
evaluate player performance. Identifying participating players in each play is
also important for the video indexing of player participation per play.
Processing football game video presents challenges such as crowded setting,
distorted objects, and imbalanced data for identifying players, especially
jersey numbers. In this work, we propose a deep learning-based football video
analysis system to automatically track players and index their participation
per play. It is a multi-stage network design to highlight area of interest and
identify jersey number information with high accuracy. First, we utilize an
object detection network, a detection transformer, to tackle the player
detection problem in crowded context. Second, we identify players using jersey
number recognition with a secondary convolutional neural network, then
synchronize it with a game clock subsystem. Finally, the system outputs a
complete log in a database for play indexing. We demonstrate the effectiveness
and reliability of player identification and the logging system by analyzing
the qualitative and quantitative results on football videos. The proposed
system shows great potential for implementation in and analysis of football
broadcast video.
- Abstract（参考訳）: アメリカンフットボールの試合は毎年世界的な注目を集めている。
ゲーム分析システムは、ファンやコーチにプレイヤーのパフォーマンスを追跡し評価する便利な手段を提供することで、ゲームを分析する上で重要な情報を生成する。
参加するプレイヤーを識別することは、プレイヤー1人あたりのビデオインデクシングにも重要である。
フットボールゲームビデオの処理は、混雑した設定、歪んだオブジェクト、プレイヤー、特にジャージ番号を特定するための不均衡なデータなどの課題を示す。
本研究では,プレイヤーを自動的に追跡し,プレイ毎のインデクシングを行う深層学習型サッカービデオ分析システムを提案する。
関心領域を強調表示し、ジャージー番号情報を高精度に識別する多段階ネットワーク設計である。
まず,物体検出ネットワーク,検出変換器を用いて,混雑した状況下でのプレイヤー検出問題に対処する。
次に、ジャージ数認識と二次畳み込みニューラルネットワークを用いてプレイヤーを識別し、ゲームクロックサブシステムと同期する。
最後に、システムは、プレイインデクシングのためにデータベースに完全なログを出力する。
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,選手識別とログシステムの有効性と信頼性を示す。
提案システムでは,フットボール放送映像の実装と分析に大きな可能性を示す。
関連論文リスト
- SoccerNet 2024 Challenges Results [152.8534707514927]
SoccerNet 2024の課題は、サッカーネットチームが主催する4年目のビデオ理解の課題を表している。
この課題は、サッカーにおける複数のテーマにまたがる研究を進めることを目的としており、放送ビデオ理解、フィールド理解、プレイヤー理解などが含まれる。
今年は、4つのビジョンベースのタスクが課題となっている。
論文 参考訳（メタデータ） (2024-09-16T14:12:22Z) - Deep Understanding of Soccer Match Videos [20.783415560412003]
サッカーは世界中で最も人気のあるスポーツの1つであり、主要な試合で頻繁に放送される。
本システムでは, サッカーボール, 選手, 審判などの重要な物体を検知できる。
また、プレイヤーとボールの動きを追跡し、プレイヤーの番号を認識し、シーンを分類し、ゴールキックのようなハイライトを識別する。
論文 参考訳（メタデータ） (2024-07-11T05:54:13Z) - 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) - SoccerNet 2023 Challenges Results [165.5977813812761]
SoccerNet 2023 チャレンジ(英語: SoccerNet 2023 Challenge)は、サッカーネットチームが主催する3回目のビデオ理解チャレンジである。
この第3版では、課題は7つの視覚に基づくタスクから成っており、3つのテーマに分けられた。
論文 参考訳（メタデータ） (2023-09-12T07:03:30Z) - 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) - SoccerNet 2022 Challenges Results [167.6158475931228]
SoccerNet 2022 チャレンジ(英語: SoccerNet 2022 Challenge)は、サッカーネットチームが主催する2回目のビデオ理解チャレンジである。
2022年、課題は6つの視覚ベースのタスクで構成された。
昨年の課題と比較すると、タスク(1-2)は、より厳密な時間的アキュラシーを検討するために評価基準を再定義し、基礎となるデータやアノテーションを含むタスク(3-6)は新しくなった。
論文 参考訳（メタデータ） (2022-10-05T16:12:50Z) - 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) - 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) - 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) - 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) - Player Identification in Hockey Broadcast Videos [18.616544581429835]
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。
論文 参考訳（メタデータ） (2020-09-05T01:30:15Z)
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。