基于图的无监督球员分类足球动作定位方法
计算机视觉与模式识别
2022-11-23 v1 人工智能
多媒体
摘要
足球视频中的动作定位是识别比赛特定关键动作发生具体时刻的任务。近来它受到大量关注，且已引入强力方法。动作定位涉及理解比赛动态、事件复杂性与视频序列的变化。多数方法聚焦于后者，因其模型利用了序列的全局视觉特征。在本工作中，我们聚焦于前者：通过（a）将球员、裁判与守门员识别并表示为图中的节点，以及（b）将其时间相互作用建模为图序列。对于球员识别（或称球员分类任务），我们在自建标注基准上获得了97.72%的准确率。对于动作定位任务，我们的方法通过与其他视听模态结合，获得了57.83%平均mAP的总体性能。该性能超越了类似的基于图的方法，并与高计算量方法具有竞争力。代码与数据见 https://github.com/IPCV/soccer_action_spotting。
引用
@article{arxiv.2211.12334,
title = {A Graph-Based Method for Soccer Action Spotting Using Unsupervised Player Classification},
author = {Alejandro Cartas and Coloma Ballester and Gloria Haro},
journal= {arXiv preprint arXiv:2211.12334},
year = {2022}
}
备注
Accepted at the 5th International ACM Workshop on Multimedia Content Analysis in Sports (MMSports 2022)