論文の概要: Deep Learning Based Illegal Bowling Action Detection
- arxiv url: http://arxiv.org/abs/2610.07223v1
- Date: Mon, 05 Oct 2026 18:30:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.598061
- Title: Deep Learning Based Illegal Bowling Action Detection
- Title（参考訳）: 深層学習に基づく偶発的ボウリング行動検出
- Abstract要約: 本稿では,ライブクリケットの試合における不正ボウリング行為を検出するコンピュータビジョンに基づくディープラーニングソリューションを提案する。
我々の知る限りでは、これはクリケットにおける不正なボウリング行為を検出するAIベースのコンピュータビジョン手法としては初めてのものだ。
- 参考スコア（独自算出の注目度）: 0.8158532237212478
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cricket, often referred to as the "gentleman's game," adheres to a strict rule set for both batsmen and bowlers, where each delivery can significantly impact the match outcome. Detecting illegal bowling actions is crucial for maintaining fair play, yet it remains challenging for umpires to monitor in real time. Existing sensor-based solutions have limitations in live match scenarios, making real-time assessment difficult. This paper proposes a computer vision-based deep learning solution to detect illegal bowling actions in live cricket matches. To develop and evaluate our approach, we compiled a dataset of 62 videos featuring 11 male bowlers, capturing both legal and illegal bowling actions from multiple angles-front, back, and side. However, the dataset predominantly comprises right-handed bowlers with conventional actions. The proposed system identifies two key frames, the shoulder frame and the release frame from video footage of a bowler's delivery and analyzes the change in the bowling arm's angle between these frames. If the angle difference exceeds a predefined threshold (e.g., 15 degrees), the delivery is flagged as potentially illegal. We evaluated the system on a custom dataset and achieved a high true positive rate, suggesting the system's potential effectiveness in real-time match settings. However, further research is required to validate the system across diverse environmental conditions and larger datasets to ensure generalizability and robustness in various live match scenarios. To the best of our knowledge, this is the first AI-based computer vision method for detecting illegal bowling actions in cricket.
- Abstract（参考訳）: クリケットは、しばしば「紳士のゲーム」と呼ばれ、打者とボーラーの両方に厳格なルールに従う。
不正なボウリング行為の検出は公正なプレーを維持する上で重要であるが、審判がリアルタイムで監視することは依然として困難である。
既存のセンサベースのソリューションは、ライブマッチングのシナリオに制限があり、リアルタイムアセスメントを困難にしている。
本稿では,ライブクリケットの試合における不正ボウリング行為を検出するコンピュータビジョンに基づくディープラーニングソリューションを提案する。
このアプローチを開発し,評価するために,11人の男性ボウリング選手を対象とする62本の動画のデータセットを作成した。
しかし、データセットは主に、従来のアクションを持つ右利きのボウラーで構成されている。
提案システムは,ボウラーの配信映像から肩フレームと解放フレームの2つの鍵フレームを特定し,これらのフレーム間のボーリングアームの角度の変化を解析する。
角度差が予め定義された閾値(例えば15度)を超えると、配達は潜在的に違法であるとフラグ付けされる。
そこで我々は,システムをカスタムデータセット上で評価し,実際の正の確率を高い確率で達成し,リアルタイムのマッチング設定におけるシステムの有効性を示唆した。
しかし、様々な環境条件やより大きなデータセットにまたがってシステムを検証し、様々なライブマッチシナリオにおける一般化性と堅牢性を確保するためには、さらなる研究が必要である。
我々の知る限りでは、これはクリケットにおける不正なボウリング行為を検出するAIベースのコンピュータビジョン手法としては初めてのものだ。
関連論文リスト
- A 3D Pose-Based Ensemble Framework for Cricket Shot Classification and Automated Biomechanical Analysis [0.49157446832511503]
本稿では,映像データを取得し,YOLOを用いて映像フレームから打者を抽出し,MeTRAbsを用いて映像フレームから3Dポーズデータを抽出するクリケットコーチングシステムを提案する。
このシステムは、30個の体点の連続的な骨格ポーズデータを生成し、打者の生体力学的特徴をキャプチャする。
論文 参考訳（メタデータ） (2026-09-22T18:18:14Z) - Evaluating Movement Initiation Timing in Ultimate Frisbee via Temporal Counterfactuals [9.570401141299756]
アルティメット・フリスビーでは、ディスクをパスして相手チームのエンドゾーンでキャッチすることでポイントが得点される。
現在の文献は、プレイヤーがゲーム状況においてそのようなラベルのない動きを開始する際の定量的評価を無視している。
我々は,Ultimate Frisbeeにおける運動開始タイミングの定量的評価法を提案する。
論文 参考訳（メタデータ） (2025-08-25T02:42:08Z) - Action Anticipation from SoccerNet Football Video Broadcasts [84.87912817065506]
フットボール放送ビデオのアクション予測タスクについて紹介する。
我々は、5秒または10秒の予測ウィンドウ内で、観測されていない将来のフレームにおける将来の動作を予測する。
我々の研究は、自動放送、戦術分析、プレイヤーの意思決定における応用を可能にします。
論文 参考訳（メタデータ） (2025-04-16T12:24:33Z) - FinePseudo: Improving Pseudo-Labelling through Temporal-Alignablity for Semi-Supervised Fine-Grained Action Recognition [57.17966905865054]
実生活における行動認識の応用は、しばしば微妙な動きのきめ細かい理解を必要とする。
既存の半教師ありアクション認識は主に粗いアクション認識に焦点を当てている。
そこで我々は,微粒なアクションペアの識別を効果的に行うための,アライナビリティ検証に基づくメトリック学習手法を提案する。
論文 参考訳（メタデータ） (2024-09-02T20:08:06Z) - 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) - Deep-Learning-Based Computer Vision Approach For The Segmentation Of
Ball Deliveries And Tracking In Cricket [4.021584094339975]
本稿では,ボールのみを届ける映像を分割抽出する手法を提案する。
オブジェクト検出モデルを適用して,映像を正確に抽出する手法を提案する。
これらのビデオショットにおけるボール追跡は、提案したデータセットの有用性のサンプルとして、別のRetinaNetモデルを使用して行われる。
論文 参考訳（メタデータ） (2022-11-22T04:55:58Z) - 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) - Automated Tackle Injury Risk Assessment in Contact-Based Sports -- A
Rugby Union Example [1.160208922584163]
タックル・コリジョンに基づくスポーツにおけるビデオ分析は主観的で偏見にさらされる。
タックル・コリジョンに基づくスポーツにおけるマッチング分析の制限は、コンピュータビジョン応用の機会と見なすことができる。
ラグビーユニオンの試合におけるゲーム内タックルリスクを客観的に評価するシステムを提案する。
論文 参考訳（メタデータ） (2021-04-22T07:51:33Z) - 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) - You Cannot Do That Ben Stokes: Dynamically Predicting Shot Type in
Cricket Using a Personalized Deep Neural Network [4.339839287869652]
本稿では,特定の打者が特定のボウラーとボウルタイプを打つ確率を予測する,パーソナライズされたディープニューラルネットワークアプローチを提案する。
当社のパーソナライズされた予測が、コーチとキャプテンの意思決定に重要な情報を提供する方法を示します。
論文 参考訳（メタデータ） (2021-02-03T09:03:59Z) - Provable Fictitious Play for General Mean-Field Games [111.44976345867005]
静止平均場ゲームのための強化学習アルゴリズムを提案する。
目標は、ナッシュ均衡を構成する平均場状態と定常政策のペアを学ぶことである。
論文 参考訳（メタデータ） (2020-10-08T18:46:48Z)
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。