論文の概要: A Graph Neural Network deep-dive into successful counterattacks

• arxiv url: http://arxiv.org/abs/2411.17450v2
• Date: Mon, 30 Dec 2024 14:31:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-31 15:59:57.173929
• Title: A Graph Neural Network deep-dive into successful counterattacks
• Title（参考訳）: グラフニューラルネットワークによる反撃成功への深層化
• Authors: Joris Bekkers, Amod Sahasrabudhe,
• Abstract要約: この研究は、性別固有のグラフニューラルネットワークを構築し、反撃が成功する可能性をモデル化する。 モデル性能に最も影響した特徴は, 置換特徴を用いて, 直線速度, ゴールへの角度, 球側線から横線への角度, などが示される。 この研究には、すべてのデータとコードを含むオープンソースリポジトリが伴い、オープンソースのPythonパッケージも伴っている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: A counterattack in soccer is a high speed, high intensity direct attack that can occur when a team transitions from a defensive state to an attacking state after regaining possession of the ball. The aim is to create a goal-scoring opportunity by convering a lot of ground with minimal passes before the opposing team can recover their defensive shape. The purpose of this research is to build gender-specific Graph Neural Networks to model the likelihood of a counterattack being successful and uncover what factors make them successful in professional soccer. These models are trained on a total of 20863 frames of synchronized on-ball event and spatiotemporal (broadcast) tracking data. This dataset is derived from 632 games of MLS (2022), NWSL (2022) and international soccer (2020-2022). With this data we demonstrate that gender-specific Graph Neural Networks outperform architecturally identical gender-ambiguous models in predicting the successful outcome of counterattacks. We show, using Permutation Feature Importance, that byline to byline speed, angle to the goal, angle to the ball and sideline to sideline speed are the node features with the highest impact on model performance. Additionally, we offer some illustrative examples on how to navigate the infinite solution search space to aid in identifying improvements for player decision making. This research is accompanied by an open-source repository containing all data and code, and it is also accompanied by an open-source Python package which simplifies converting spatiotemporal data into graphs. This package also facilitates testing, validation, training and prediction with this data. This should allow the reader to replicate and improve upon our research more easily.
• Abstract（参考訳）: サッカーにおける反撃(英語: counter attack)は、ボールの保持を取り戻した後、チームが防御状態から攻撃状態に移行したときに発生する、高速で高強度のダイレクトアタックである。 目的は、相手チームが防御形状を回復する前に、多くの地面を最小限のパスで収束させることで、ゴールスコーリングの機会を作ることである。 本研究の目的は、性別固有のグラフニューラルネットワークを構築し、攻撃が成功する可能性をモデル化し、プロサッカーで成功させる要因を明らかにすることである。 これらのモデルは、20863フレームの同期オンボールイベントと時空間(ブロードキャスト)追跡データに基づいてトレーニングされる。 このデータセットは、MLS (2022)、NWSL (2022)、国際サッカー (2020-2022)の632のゲームから派生している。 このデータを用いて、性別固有のグラフニューラルネットワークが、アーキテクチャ上同一の性別あいまいなモデルより優れていることを実証し、反撃の結果を予測する。 モデル性能に最も影響を与えるノード特徴として,置換特徴重要度(Permutation Feature Importance)を用いて,線速度,ゴール角,ボール角,サイドライン速度(sideline to sideline speed)が示される。 さらに,プレイヤーの意思決定を改善するために,無限の解探索空間をナビゲートする方法の具体例を紹介した。 この研究には、すべてのデータとコードを含むオープンソースリポジトリが伴い、時空間データをグラフに変換するのを簡単にするオープンソースのPythonパッケージも伴っている。 このパッケージは、このデータによるテスト、検証、トレーニング、予測を容易にする。 これにより、読者は私たちの研究をより容易に再現し、改善できるようになります。

関連論文リスト

• Pseudo Label-Guided Model Inversion Attack via Conditional Generative Adversarial Network [102.21368201494909]
  モデル反転(MI)攻撃はプライバシーに対する懸念を高めている。 近年のMI攻撃では,探索空間を狭める前にGAN(Generative Adversarial Network)を画像として活用している。 我々は条件付きGAN(cGAN)による擬似ラベル誘導MI(PLG-MI)攻撃を提案する。
  論文  参考訳（メタデータ） (2023-02-20T07:29:34Z)
• Event Detection in Football using Graph Convolutional Networks [0.0]
  ビデオシーケンスの各フレームにおけるプレーヤとボールをグラフとしてモデル化する方法を示す。 本稿では,各アクションの周囲に存在する時間的コンテキストをモデル化するためのグラフ畳み込み層とプール法について述べる。
  論文  参考訳（メタデータ） (2023-01-24T14:52:54Z)
• GoRela: Go Relative for Viewpoint-Invariant Motion Forecasting [121.42898228997538]
  精度や一般化を犠牲にすることなく、全てのエージェントとマップに対して効率的な共有符号化を提案する。 不均一空間グラフにおけるエージェントとマップ要素間の幾何学的関係を表現するために、ペアワイズ相対的な位置符号化を利用する。 我々のデコーダは視点非依存であり、レーングラフ上でエージェント目標を予測し、多様かつコンテキスト対応のマルチモーダル予測を可能にする。
  論文  参考訳（メタデータ） (2022-11-04T16:10:50Z)
• Privacy-Preserved Neural Graph Similarity Learning [99.78599103903777]
  本稿では,グラフ類似性学習のためのプライバシ保存型ニューラルグラフマッチングネットワークモデルPPGMを提案する。 再構成攻撃を防ぐため、提案モデルではデバイス間でノードレベルの表現を通信しない。 グラフプロパティに対する攻撃を軽減するため、両方のベクトルの情報を含む難読化機能は通信される。
  論文  参考訳（メタデータ） (2022-10-21T04:38:25Z)
• Model Inversion Attacks against Graph Neural Networks [65.35955643325038]
  グラフニューラルネットワーク(GNN)に対するモデル反転攻撃について検討する。 本稿では,プライベートトレーニンググラフデータを推測するためにGraphMIを提案する。 実験の結果,このような防御効果は十分ではないことが示され,プライバシー攻撃に対するより高度な防御が求められている。
  論文  参考訳（メタデータ） (2022-09-16T09:13:43Z)
• 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)
• RMS-Net: Regression and Masking for Soccer Event Spotting [52.742046866220484]
  イベントラベルとその時間的オフセットを同時に予測できる,軽量でモジュール化されたアクションスポッティングネットワークを開発した。 SoccerNetデータセットでテストし、標準機能を使用して、完全な提案は3平均mAPポイントで現在の状態を超えます。
  論文  参考訳（メタデータ） (2021-02-15T16:04:18Z)
• Evaluating Soccer Player: from Live Camera to Deep Reinforcement Learning [0.0]
  オープンソースのプレイヤー追跡モデルと、Deep Reinforcement Learningのみに基づいてこれらのプレイヤーを評価する新しいアプローチの2つの部分のソリューションを紹介します。 私達の追跡モデルは私達がまた解放するデータセットの監視された方法で訓練され、私達の評価モデルは仮想サッカーゲームのシミュレーションだけに頼ります。 新たなアプローチであるExpected Discounted Goal(EDG)は、チームが特定の状態から獲得または達成できる目標の数を表します。
  論文  参考訳（メタデータ） (2021-01-13T23:26:17Z)
• Real-time CNN-based Segmentation Architecture for Ball Detection in a Single View Setup [23.17839603118139]
  本稿では,ボールがプレーヤと頻繁に対話する困難な場合において,球を単一視点から検出する作業について考察する。 本稿では,効率的なCNNアーキテクチャによって解決されたセグメンテーションタスクとして問題を定式化し,新しいアプローチを提案する。 我々の推論モデルは、時間的解析によって引き起こされる遅延を伴わずにリアルタイムに実行できる。
  論文  参考訳（メタデータ） (2020-07-23T09:31:32Z)

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。