抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
チームスポーツ解析に対する要求の一つは,プレーヤーを追跡および認識することである。多くの追跡と再同定法がビデオ監視の文脈で提案されている。それらはMOTチャレンジのような公開データセット上でテストされた場合に非常に説得力のある結果を示した。しかし,これらの方法の性能は,プレーヤー追跡に適用した場合,満足できるものではない。実際,非常に急速に移動し,しばしば閉塞されるのに加え,プレーヤーは,同じジェリーを摩耗し,再同定のタスクを非常に複雑にする。いくつかの最近の追跡方法がチームスポーツコンテキストのためにより具体的に開発された。公開データの欠如のため,これらの方法は,それらとの比較を不可能にする個人データセットを使用する。本論文では,セミインタラクティブシステムを介して収集された少数の人間アノテーションのおかげで,完全ゲーム中のチームスポーツ選手を追跡するための新しい一般的手法を提案した。非曖昧なトラックレットとそれらの外観特徴を,公開データセット上で事前訓練された検出と再同定ネットワークによって自動的に作り出す。次に,インクリメンタル学習機構は,少数のゲーム特異的人間アノテーションを用いて同一性を分類するために変換器を訓練する。最後に,トラックレットを会合アルゴリズムによってリンクした。このアプローチの効率性を,7つのデータセットの挑戦的な問題に対して示した。公共スポーツ追跡データセットの欠如を克服するために,https://kalisteo.cea.fr/index.php/free resources/でこのデータセットを公開する。また,提案手法は,最小解像度で観測可能であるならば,1プレーヤ当たり6秒の長さのトラックレットのアノテーションで,完全なマッチ中に7人のプレーヤーを追跡できることも示した。【JST・京大機械翻訳】