論文の概要: Location analysis of players in UEFA EURO 2020 and 2022 using generalized valuation of defense by estimating probabilities

• arxiv url: http://arxiv.org/abs/2212.00021v1
• Date: Wed, 30 Nov 2022 12:43:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-02 16:39:40.603294
• Title: Location analysis of players in UEFA EURO 2020 and 2022 using generalized valuation of defense by estimating probabilities
• Title（参考訳）: uefa euro 2020, 2022におけるプレーヤの位置分析 : 確率推定による防衛評価の一般化
• Authors: Rikuhei Umemoto, Kazushi Tsutsui, Keisuke Fujii
• Abstract要約: イベントの予測確率をスコアスキャニングすることで,防衛チームの総合評価手法を提案する。 男子Euro 2020と女子Euro 2022のフットボールゲームにおける放送ビデオフレーム中の選手のオープンソース位置情報を用いて,選手数の予測への影響を検討した。
• 参考スコア（独自算出の注目度）: 0.6946929968559495
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Analyzing defenses in team sports is generally challenging because of the limited event data. Researchers have previously proposed methods to evaluate football team defense by predicting the events of ball gain and being attacked using locations of all players and the ball. However, they did not consider the importance of the events, assumed the perfect observation of all 22 players, and did not fully investigated the influence of the diversity (e.g., nationality and sex). Here, we propose a generalized valuation method of defensive teams by score-scaling the predicted probabilities of the events. Using the open-source location data of all players in broadcast video frames in football games of men's Euro 2020 and women's Euro 2022, we investigated the effect of the number of players on the prediction and validated our approach by analyzing the games. Results show that for the predictions of being attacked, scoring, and conceding, all players' information was not necessary, while that of ball gain required information on three to four offensive and defensive players. With game analyses we explained the excellence in defense of finalist teams in Euro 2020. Our approach might be applicable to location data from broadcast video frames in football games.
• Abstract（参考訳）: チームスポーツにおける防御の分析は、イベントデータが少ないため、一般的に難しい。 研究者は以前、ボールゲインの事象を予測し、すべての選手とボールの位置を使って攻撃されることによってフットボールチームの防御を評価する方法を提案した。 しかし、彼らはイベントの重要性を考慮せず、22人の選手全員の完全な観察を前提とし、多様性(国籍や性など)の影響を十分に調査しなかった。 本稿では,イベントの予測確率をスコアスキャニングすることで,防衛チームの総合評価手法を提案する。 男子Euro 2020と女子Euro 2022のフットボールゲームにおける放送ビデオフレーム中の選手のオープンソース位置情報を用いて,選手数の予測への影響を調査し,ゲーム分析によるアプローチの検証を行った。 その結果, 攻撃, 得点, 譲歩の予測にはすべての選手の情報が必要ではなく, ボールゲインには3～4人の攻撃的, 防御的選手の情報が必要であることがわかった。 ゲーム分析では、ユーロ2020におけるファイナリストチームの防御能力について説明した。 我々のアプローチはフットボールの試合の放送ビデオフレームからの位置データに適用できるかもしれない。

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)
• SoccerNet Game State Reconstruction: End-to-End Athlete Tracking and Identification on a Minimap [102.5232204867158]
  我々は、ゲーム状態再構成のタスクを形式化し、フットボールビデオに焦点を当てた新しいゲーム状態再構成データセットである、サッカーネット-GSRを紹介する。 SoccerNet-GSRは、ピッチローカライゼーションとカメラキャリブレーションのための937万行のアノテートにより、30秒間の200の動画シーケンスで構成されている。 我々の実験は、GSRは挑戦的な新しい課題であり、将来の研究の場を開くことを示している。
  論文  参考訳（メタデータ） (2024-04-17T12:53:45Z)
• Bayes-xG: Player and Position Correction on Expected Goals (xG) using Bayesian Hierarchical Approach [55.2480439325792]
  本研究は, 期待目標(xG)測定値を用いて, 目標となるショットの予測における選手や位置要因の影響について検討した。 StatsBombの公開データを使って、イングランドのプレミアリーグから1万発のショットを分析している。 この研究は、スペインのラ・リガとドイツのブンデスリーガのデータに分析を拡張し、同等の結果を得た。
  論文  参考訳（メタデータ） (2023-11-22T21:54:02Z)
• Passing Heatmap Prediction Based on Transformer Model and Tracking Data [0.0]
  本研究では,パスの潜在的な終端位置を予測できる新しいディープラーニングネットワークアーキテクチャを提案する。 28,000回以上のイベントを解析すると、0.7以上のTop-1精度で堅牢な予測が達成される。 また、この予測に基づいて、ピッチコントロールとパスオプションをよりよく理解することで、選手のオフボール運動が防御性能に与える影響を測定することができる。
  論文  参考訳（メタデータ） (2023-09-04T11:14:22Z)
• Betting the system: Using lineups to predict football scores [0.0]
  本稿では,決勝点におけるラインアップの役割を分析し,サッカーにおけるランダム性を低減することを目的とする。 サッカークラブはラインナップに数百万ドルを投資し、個々の統計がより良い結果にどのように変換するかを知ることで投資を最適化することができる。 スポーツの賭けは指数関数的に増加しており、将来を予測することは利益があり、望ましい。
  論文  参考訳（メタデータ） (2022-10-12T15:47:42Z)
• 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)
• What Happened Next? Using Deep Learning to Value Defensive Actions in Football Event-Data [1.290382979353427]
  我々は、このような防御行動を評価する新しいメトリクスを定義するために、ディープラーニング技術を使用します。 それらに先行するプレイパスの脅威を研究することで、私たちは防御行動を評価することができます。 我々のモデルは、イベントデータを用いてディフェンスディフェンダーの影響を予測することができる。
  論文  参考訳（メタデータ） (2021-06-03T12:18:26Z)
• Evaluation of soccer team defense based on prediction models of ball recovery and being attacked [0.8921166277011345]
  本研究では,ボールの回復と攻撃の予測に基づいて,チーム防御を評価する手法を提案する。 45試合のデータを用いて,提案する指標とチームパフォーマンスの関係を検討した。
  論文  参考訳（メタデータ） (2021-03-17T13:15:41Z)
• Game Plan: What AI can do for Football, and What Football can do for AI [83.79507996785838]
  予測的および規範的フットボール分析は、統計学習、ゲーム理論、コンピュータビジョンの交差点における新たな発展と進歩を必要とする。 フットボール分析は、サッカー自体のゲームを変えるだけでなく、この領域がAIの分野で何を意味するのかという観点からも、非常に価値の高いゲームチェンジャーであることを示す。
  論文  参考訳（メタデータ） (2020-11-18T10:26:02Z)
• Analysing Long Short Term Memory Models for Cricket Match Outcome Prediction [0.0]
  近年,様々な機械学習技術を用いてクリケットマッチングデータを解析し,試合結果の勝敗を予測している。 本稿では,ボール・バイ・ボールの統計値から,試合の勝利確率を一定間隔で予測できる新しいリカレントニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2020-11-04T04:49:11Z)
• Interpretable Real-Time Win Prediction for Honor of Kings, a Popular Mobile MOBA Esport [51.20042288437171]
  本研究では,2段階空間時間ネットワーク(TSSTN)を提案する。 実世界のライブストリーミングシナリオにおける実験結果と応用により,提案したTSSTNモデルは予測精度と解釈可能性の両方において有効であることが示された。
  論文  参考訳（メタデータ） (2020-08-14T12:00:58Z)

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。