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。
正確なプレーヤーとボール検出は,スポーツ分析のために近年ますます重要になっている。最先端の方法は,教師つき方式で深層学習ネットワークを訓練することに依存するので,それらは膨大な量の注釈付きデータを必要とし,それは稀にしか入手できない。本論文では,サッカーブロードキャストビデオの大きなラベルなしデータセットをレバーグすることにより,ラベル付き画像データセットに基づくネットワークを訓練する新しい一般的半教師つき手法を提案した。より正確には,教師が教師として同じアーキテクチャを持つ学生を訓練するために用いるために,教師がラベルなしデータに代理注釈を生成する教師-スチューデントアプローチを設計した。さらに,学生が提案信頼スコアに依存する訓練中の教師の予測を疑うことを可能とする3つの訓練損失パラメータ化を導入した。訓練プロセスにおけるラベルなしデータを含めることにより,ラベル付きデータのみに訓練された検出ネットワークの性能を大幅に改善できることを示した。最後に,ラベル付きおよびラベルなしデータの異なる比率を含む完全な性能研究を提供し,新しいSoccerNet-v3検出タスクに関する最初のベンチマークを確立し,mAPは52.3%であった。このコードはhttps://github.com/rvandeghen/SSTで利用可能である。【JST・京大機械翻訳】