論文の概要: SoccerGuard: Investigating Injury Risk Factors for Professional Soccer Players with Machine Learning

• arxiv url: http://arxiv.org/abs/2411.08901v1
• Date: Tue, 29 Oct 2024 08:19:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-17 09:01:58.873775
• Title: SoccerGuard: Investigating Injury Risk Factors for Professional Soccer Players with Machine Learning
• Title（参考訳）: SoccerGuard: 機械学習によるプロサッカー選手の傷害リスク要因の調査
• Authors: Finn Bartels, Lu Xing, Cise Midoglu, Matthias Boeker, Toralf Kirsten, Pål Halvorsen,
• Abstract要約: SoccerGuard - 機械学習(ML)を用いた女子サッカーにおける傷害予測のための新しいフレームワーク このフレームワークは、プレイヤーの主観的ウェルネスやトレーニング負荷レポート、客観的GPSセンサーの測定、サードパーティの選手統計、医療関係者による確認された負傷報告など、複数のソースからデータを収集することができる。 このフレームワークには、インタラクティブな分析と視覚化をサポートするユーザフレンドリなグラフィカルユーザインタフェース(GUI)を備えたダッシュボードも含まれている。
• 参考スコア（独自算出の注目度）: 2.5999496601023067
• License:
• Abstract: We present SoccerGuard, a novel framework for predicting injuries in women's soccer using Machine Learning (ML). This framework can ingest data from multiple sources, including subjective wellness and training load reports from players, objective GPS sensor measurements, third-party player statistics, and injury reports verified by medical personnel. We experiment with a number of different settings related to synthetic data generation, input and output window sizes, and ML models for prediction. Our results show that, given the right configurations and feature combinations, injury event prediction can be undertaken with considerable accuracy. The optimal results are achieved when input windows are reduced and larger combined output windows are defined, in combination with an ideally balanced data set. The framework also includes a dashboard with a user-friendly Graphical User Interface (GUI) to support interactive analysis and visualization.
• Abstract（参考訳）: 機械学習(ML)を用いて,女子サッカーにおけるケガを予測するための新しいフレームワークである SoccerGuard を提案する。 このフレームワークは、プレイヤーの主観的ウェルネスやトレーニング負荷レポート、客観的GPSセンサーの測定、サードパーティの選手統計、医療関係者による確認された負傷報告など、複数のソースからデータを収集することができる。 我々は、合成データ生成、入出力ウィンドウサイズ、予測のためのMLモデルに関する様々な設定を実験する。 以上の結果から,適切な構成と特徴の組み合わせを考慮すれば,損傷事象予測をかなりの精度で行うことができることがわかった。 入力ウィンドウが小さくなり、理想的なバランスの取れたデータセットと組み合わせて出力ウィンドウがより大きい場合、最適な結果が得られる。 このフレームワークには、インタラクティブな分析と視覚化をサポートするユーザフレンドリなグラフィカルユーザインタフェース(GUI)を備えたダッシュボードも含まれている。

関連論文リスト

• Machine Learning for Soccer Match Result Prediction [0.9002260638342727]
  本章では、利用可能なデータセット、モデルと機能のタイプ、モデルパフォーマンスを評価する方法について論じる。 本章の目的は,サッカーの試合結果予測のための機械学習の現状と今後の展開について概説することである。
  論文  参考訳（メタデータ） (2024-03-12T14:00:50Z)
• Interactive Class-Agnostic Object Counting [26.480713465591453]
  本フレームワークは,フィードバックを収集するユーザフレンドリなビジュアライザと,それを組み込む効率的なメカニズムの2つの主要コンポーネントから構成される。 ユーザは、明らかなカウントエラーのある領域を選択し、その中の推定オブジェクト数の範囲を指定することで、フィードバックを提供することができる。 FSCD-LVIS と FSC-147 の2つの挑戦的クラス非依存オブジェクトカウントベンチマークを用いた実験により,複数の最先端ビジュアルカウンタの平均絶対誤差を,最小限のユーザ入力で約30%から40%削減できることを示した。
  論文  参考訳（メタデータ） (2023-09-11T07:27:32Z)
• Matched Machine Learning: A Generalized Framework for Treatment Effect Inference With Learned Metrics [87.05961347040237]
  我々は、機械学習ブラックボックスの柔軟性とマッチングの解釈可能性を組み合わせたフレームワークであるMatched Machine Learningを紹介する。 我々のフレームワークは機械学習を用いて、一致した単位を学習し、結果を推定する最適な指標を学習する。 一致機械学習のインスタンスはブラックボックスの機械学習手法と同等に動作し、類似した問題に対する既存のマッチング手法よりも優れていることを実証的に示す。
  論文  参考訳（メタデータ） (2023-04-03T19:32:30Z)
• Unified Visual Relationship Detection with Vision and Language Models [89.77838890788638]
  この研究は、複数のデータセットからラベル空間の結合を予測する単一の視覚的関係検出器のトレーニングに焦点を当てている。 視覚と言語モデルを活用した統合視覚関係検出のための新しいボトムアップ手法UniVRDを提案する。 人物体間相互作用検出とシーングラフ生成の双方による実験結果から,本モデルの競合性能が示された。
  論文  参考訳（メタデータ） (2023-03-16T00:06:28Z)
• Graph Neural Networks to Predict Sports Outcomes [0.0]
  スポーツに依存しないグラフによるゲーム状態の表現を導入する。 次に、提案したグラフ表現をグラフニューラルネットワークの入力として使用し、スポーツ結果を予測する。
  論文  参考訳（メタデータ） (2022-07-28T14:45:02Z)
• Explainable expected goal models for performance analysis in football analytics [5.802346990263708]
  本報告では,2014-15年と2020-21年の7シーズンから315,430発のショットをトレーニングした,欧州サッカーリーグのトップ5のゴールモデルを提案する。 我々の知る限りでは、この論文は、プロファイルを集約した説明可能な人工知能ツールの実用的な応用を実証した最初の論文である。
  論文  参考訳（メタデータ） (2022-06-14T23:56:03Z)
• 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)
• MetaGraspNet: A Large-Scale Benchmark Dataset for Vision-driven Robotic Grasping via Physics-based Metaverse Synthesis [78.26022688167133]
  本稿では,物理に基づくメタバース合成による視覚駆動型ロボットグルーピングのための大規模ベンチマークデータセットを提案する。 提案するデータセットには,10万の画像と25種類のオブジェクトが含まれている。 また,オブジェクト検出とセグメンテーション性能を評価するためのデータセットとともに,新しいレイアウト重み付け性能指標を提案する。
  論文  参考訳（メタデータ） (2021-12-29T17:23:24Z)
• Visual Distant Supervision for Scene Graph Generation [66.10579690929623]
  シーングラフモデルは通常、大量のラベル付きデータを人間のアノテーションで教師付き学習する必要がある。 本研究では,人間ラベルデータを用いずにシーングラフモデルを訓練できる視覚関係学習の新しいパラダイムである視覚遠方監視を提案する。 包括的な実験結果から、我々の遠隔監視モデルは、弱い監督と半監督のベースラインよりも優れています。
  論文  参考訳（メタデータ） (2021-03-29T06:35:24Z)
• Self-Training with Improved Regularization for Sample-Efficient Chest X-Ray Classification [80.00316465793702]
  挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。 その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
  論文  参考訳（メタデータ） (2020-05-03T02:36:00Z)
• Using Player's Body-Orientation to Model Pass Feasibility in Soccer [7.205450793637325]
  本稿では,サッカーの試合のモノラルな映像から,任意の時間に最も実現可能なパスを推定する計算モデルを提案する。 この方法は、攻撃的な選手の方向(および位置)と相手の空間構成を利用して、同じチームの選手内でのパスイベントの実現可能性を計算する。 その結果、配向を実現可能性尺度として含めることで、ロバストな計算モデルを構築することができ、0.7 Top-3の精度に達することが示されている。
  論文  参考訳（メタデータ） (2020-04-15T17:09:51Z)

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。