TrackNet：一种用于体育应用中高速微小目标追踪的深度学习网络
机器学习
2019-07-09 v1 计算机视觉与模式识别
多媒体
机器学习
摘要
球轨迹数据是用于评估球员表现与分析比赛策略的最基础且最有用的信息之一。尽管基于视觉的目标追踪技术已发展用于分析体育竞赛视频，但准确识别与定位高速且微小的球仍具挑战性。在本文中，我们开发了一种称为TrackNet的深度学习网络，用于从转播视频中追踪网球，其中球的图像较小、模糊，且有时带有残影轨迹甚至不可见。所提出的基于热图的深度学习网络经训练后不仅能从单帧中识别球图像，还能从连续帧中学习飞行模式。TrackNet以尺寸为的图像作为输入，从单帧或若干连续帧生成检测热图以定位球，并即使在公共领域视频上也能达到高精度。该网络在2017年夏季世界大学生运动会男子单打决赛的视频上进行了评估，该视频可在YouTube上获取。TrackNet的精确率、召回率与F1值分别达到、与。为防止过拟合，将9个额外视频与先前数据集的一个子集进行部分标注以实施10折交叉验证，其精确率、召回率与F1值分别为、与。还实现了一种传统图像处理算法与TrackNet进行比较。我们的实验表明TrackNet大幅优于传统方法，并取得了卓越的球追踪性能。数据集与演示视频可在 https://nol.cs.nctu.edu.tw/ndo3je6av9/ 获取。
引用
@article{arxiv.1907.03698,
title = {TrackNet: A Deep Learning Network for Tracking High-speed and Tiny Objects in Sports Applications},
author = {Yu-Chuan Huang and I-No Liao and Ching-Hsuan Chen and Tsì-Uí İk and Wen-Chih Peng},
journal= {arXiv preprint arXiv:1907.03698},
year = {2019}
}