Understanding Badminton with computer vision
El análisis automático de retransmisiones deportivas usando visión computacional es un área muy interesante con multitud de aplicaciones cómo el estudio del rival, la mejora deportiva o la simulación de partidos por ordenador. En este trabajo se propone un mecanismo o pipeline fácilmente extensible...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2019 |
| País: | España |
| Institución: | Universidad de Valladolid |
| Repositorio: | UVaDOC. Repositorio Documental de la Universidad de Valladolid |
| OAI Identifier: | oai:uvadoc.uva.es:10324/38970 |
| Acceso en línea: | http://uvadoc.uva.es/handle/10324/38970 |
| Access Level: | acceso abierto |
| Palabra clave: | Computer vision Deep learning Video segmentation |
| Sumario: | El análisis automático de retransmisiones deportivas usando visión computacional es un área muy interesante con multitud de aplicaciones cómo el estudio del rival, la mejora deportiva o la simulación de partidos por ordenador. En este trabajo se propone un mecanismo o pipeline fácilmente extensible para la extracción automática de información de partidos de bádminton usando visión computacional y redes neuronales convolucionales (CNNs). Se aportan implementaciones y su correspondiente evaluación para algunos de los pasos de ese pipeline, como son la detección de las líneas la pista, la detección de los postes, la detección y el seguimiento del volante, y la detección de los jugadores. Además se presentan datasets para el entrenamiento y validación de cada una de esas etapas. Para la implementación de esos pasos se utilizan algunas de las arquitecturas deep learning que son o han sido estado del arte para la clasificación de imágenes y para la detección de objetos en imágenes como son ResNet, Faster R-CNN o Mask R-CNN. Finalmente, se enumeran los siguientes pasos para desplegar un sistema como el propuesto en producción a gran escala. |
|---|