将足球运动员身体朝向学习视为分类问题
机器学习
2021-06-02 v1 计算机视觉与模式识别
图像与视频处理
摘要
朝向是足球运动员的一项关键技能，在大量比赛事件中成为决定性因素，尤其是涉及传球的事件。然而，现有的基于计算机视觉技术的朝向估计方法仍有很大改进空间。据我们所知，本文提出了首个直接从视频画面估计朝向的深度学习模型。通过将此挑战视为分类问题（类别对应朝向分箱）并引入循环损失函数，我们对一个著名的卷积网络进行微调以提供球员朝向数据。模型使用来自可穿戴 EPTS 设备的真实朝向数据进行训练，这些数据针对当前帧中的感知朝向进行了逐一补偿。所得结果优于以往方法；特别地，每名球员的绝对中位数误差小于 12 度。我们包含了消融研究以展示对任意足球视频画面的潜在泛化能力。
引用
@article{arxiv.2106.00359,
title = {Learning Football Body-Orientation as a Matter of Classification},
author = {Adrià Arbués-Sangüesa and Adrián Martín and Paulino Granero and Coloma Ballester and Gloria Haro},
journal= {arXiv preprint arXiv:2106.00359},
year = {2021}
}
备注
Accepted in the AI for Sports Analytics Workshop at ICJAI 2021