Event Detection in Football using Graph Convolutional Networks

要約

スポーツにおけるデータ収集の大幅な増加により、プロのチームやメディアハウスがこのデータから洞察を得るための多くの道が開かれました。
収集されたデータには、フレームごとのプレーヤーとボールの軌道、およびパス、ファウル、カード、ゴールなどのイベント注釈が含まれます。最近、グラフ畳み込みネットワーク (GCN) を使用して、モデル化が難しいこの高度に非構造化された追跡データを処理しています。
プレーヤーを順番に並べる方法と、不足している関心のあるオブジェクトを処理する方法が明確でないためです。
この論文では、サッカー ビデオからの自動イベント検出の目標に焦点を当てています。
ビデオ シーケンスの各フレームで選手とボールをグラフとしてモデル化する方法を示し、各アクションの周りに存在する時間的コンテキストをモデル化するために使用できるグラフの畳み込み層とプーリング方法の結果を示します。

要約(オリジナル)

The massive growth of data collection in sports has opened numerous avenues for professional teams and media houses to gain insights from this data. The data collected includes per frame player and ball trajectories, and event annotations such as passes, fouls, cards, goals, etc. Graph Convolutional Networks (GCNs) have recently been employed to process this highly unstructured tracking data which can be otherwise difficult to model because of lack of clarity on how to order players in a sequence and how to handle missing objects of interest. In this thesis, we focus on the goal of automatic event detection from football videos. We show how to model the players and the ball in each frame of the video sequence as a graph, and present the results for graph convolutional layers and pooling methods that can be used to model the temporal context present around each action.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google