DeepBall: Deep Neural-Network Ball Detector

Transcript

1. DeepBall: Deep Neural-Network Ball Detector Jacek Komorowski, Grzegorz Kurzejamski and Grzegorz Sarwas https://arxiv.org/abs/1902.07304[2019] 【Sports AI 論文解説】 by Ikuma Uchida
2. どんなもの？ サッカーの試合映像から • ボールの検出 • ボールの位置の信頼度マップの作成 これらを、CNNの各Layerの同じ位置の出力をまとめて一つのHypercolumnとして使う と、高精度な結果が得られたという研究。
3. 背景・目的 • プロのサッカーアナリストが選手のパフォーマンスを評価することに役立ちたい • 高速で正確なボール検出の問題を解決することを目的とする。 ＜ボール検出の困難なシーン＞ ・選手とボールが重なっている時 ・ボールが移動中、楕円形になる時 ・ボールと背景が重なる時（看板、ピッチの白線等）
4. 先行研究 [2]Ball Localization for Robocup Soccer Using Convolutional Neural Neural Networks (Speck et al., 2017) • アノテーションしたボールの入力画像にCNNを使う ➡ボールに似た物体が画像内に存在する時、複数のボールが存在する時に失敗する https://www.researchgate.net/publication/32 0730969_Ball_Localization_for_Robocup_ Soccer_Using_Convolutional_Neural_Netw orks
5. 先行研究 [2]Convolutional Neural Networks based ball detection in tennis games(Reno et al., 2018) • スラインディングバウンディングボックスの方法でボール発生の確率マップを作成 することで検出 ➡ボールの形状（楕円になったり、映像によるボールの大きさの形状）を考慮に入 れて手動でアノテーションする必要がある。 ➡ボールのない学習データをちゃんと選ばないと結果にかなり影響する。 http://openaccess.thecvf.com/content_cvpr_2 018_workshops/papers/w34/Reno_Convoluti onal_Neural_Networks_CVPR_2018_paper.p df
6. 提案手法 • ニューラルネットワークベースの1段物体検出器の典型的なアーキテクチャ を修正し、ボール検出タスクに適したものにした。 ➡ハイパーカラムをCNNに用いる。 ・ボール信頼度マップを作成する。 http://home.bharathh.info/pubs/pdfs/BharathC VPR2015.pdf Hypercolumns for Object Segmentation and Fine-grained Localization(Hariharan et al 2015)
7. CNNのアーキテクチャ 位置座標取得のアルゴリズム 損失関数
8. データセット • 公開されているISSIA-CNR Soccer Dataset (D'Orazio et al., 2009)を用いて学習(セリエA) http://ipl.ce.sharif.edu/ball_datasets.html➡ここからダウンロードが可能です。 ➡6台のFull-HD DALSA 25-2M30カメラによって取得されたサッカーピッチの6つの同 期されたロングショットビューが含まれる． • 25fps • 7000フレームにボールあり、13000フレームにボールなし
9. 評価結果 • 平均精度を用いて評価
10. まとめ • 本研究の手法により、0.877のAPと、Accuracy,0.951を達成し、先行研究よりも精 度が高くまた効率的なアーキテクチャの構築に成功した。 • 今後は、時間情報を利用してシステムの精度を向上させることを計画している。 ➡これにより、静的なボールと動的なボールの区別ができる可能性がある（ピッチ 内のボールとピッチ外のボールの識別ができる)