Can a face tell us anything about an NBA prospect? — A Deep Learning approach

要約

統計分析とモデリングは、世界をリードする組織、特にプロの NBA チームでますます人気が高まっています。
この目的のために、スポーツの才能評価の洗練された方法とモデルが作成されました。
この研究では、統計データ分析の支配的な戦術とは異なる視点を提示します。
NBA チームが過去に採用した戦略に基づいて、人間の専門家を採用し、画像分析と畳み込みニューラル ネットワークを展開して、各ドラフト クラスから新しくドラフトされたプレーヤーのキャリアの軌跡を予測しようとします。
1990 年以降のすべてのドラフトの選手の約 1500 の画像データで構成されるデータベースを作成しました。次に、期待される NBA キャリアに基づいて、選手を 5 つの異なる品質クラスに分類しました。
次に、データで一般的な事前トレーニング済みの画像分類モデルをトレーニングし、新人プレーヤーのキャリアの信頼できる予測を提供するモデルを作成するために一連のテストを実施しました。
この研究の結果は、顔の特徴と運動能力との間に潜在的な相関関係があることを示唆しており、さらに調査する価値があります.

要約(オリジナル)

Statistical analysis and modeling is becoming increasingly popular for the world’s leading organizations, especially for professional NBA teams. Sophisticated methods and models of sport talent evaluation have been created for this purpose. In this research, we present a different perspective from the dominant tactic of statistical data analysis. Based on a strategy that NBA teams have followed in the past, hiring human professionals, we deploy image analysis and Convolutional Neural Networks in an attempt to predict the career trajectory of newly drafted players from each draft class. We created a database consisting of about 1500 image data from players from every draft since 1990. We then divided the players into five different quality classes based on their expected NBA career. Next, we trained popular pre-trained image classification models in our data and conducted a series of tests in an attempt to create models that give reliable predictions of the rookie players’ careers. The results of this study suggest that there is a potential correlation between facial characteristics and athletic talent, worth of further investigation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google