An All Deep System for Badminton Game Analysis

要約

CoachAI Badminton 2023 Track1 イニシアチブは、バドミントンの試合ビデオ内のイベントを自動的に検出することを目的としています。
小さな物体、特にシャトルコックの検出は非常に重要であり、この課題では高い精度が要求されます。
このような検出は、ヒット数、ヒット時間、ヒット位置などのタスクにとって非常に重要です。
しかし、評判の高い羽根検出モデルである TrackNet を改訂した後でも、当社の物体検出モデルは依然として望ましい精度に達していません。
この問題に対処するために、さまざまなディープ ラーニング手法を実装して、ノイズの多い検出データから生じる問題に対処し、さまざまなデータ タイプを活用して精度を向上させました。
このレポートでは、これまでに行った検出モデルの変更と 11 のタスクに対するアプローチについて詳しく説明します。
特に、私たちのシステムはこのチャレンジで 1.0 点中 0.78 点のスコアを獲得しました。
ソースコードを Github で公開しました https://github.com/jean50621/Badminton_Challenge

要約(オリジナル)

The CoachAI Badminton 2023 Track1 initiative aim to automatically detect events within badminton match videos. Detecting small objects, especially the shuttlecock, is of quite importance and demands high precision within the challenge. Such detection is crucial for tasks like hit count, hitting time, and hitting location. However, even after revising the well-regarded shuttlecock detecting model, TrackNet, our object detection models still fall short of the desired accuracy. To address this issue, we’ve implemented various deep learning methods to tackle the problems arising from noisy detectied data, leveraging diverse data types to improve precision. In this report, we detail the detection model modifications we’ve made and our approach to the 11 tasks. Notably, our system garnered a score of 0.78 out of 1.0 in the challenge. We have released our source code in Github https://github.com/jean50621/Badminton_Challenge

arxiv情報

提供元, 利用サービス

arxiv.jp, Google