Оживление хоккея с шайбой с помощью компьютерного зрения

• Автор использует PyTorch, методы компьютерного зрения и CNN для создания модели, отслеживающей игроков и команды в хоккее. • Цель статьи - предоставить краткое руководство по разработке и внедрению модели. • Модель основана на YOLO (Вы смотрите только один раз) и ByteTrack Tracker для обнаружения объектов и присвоения уникальных идентификаторов. • Отслеживание объектов включает определение ограничивающих рамок и идентификаторов дорожек. • Ограничивающие рамки и идентификаторы дорожек обновляются с помощью метода отслеживания. • Автор фокусируется на ограничении обнаружения объектов только в пределах катка и замене ограничивающих рамок на эллипсы. • Для работы с границами катка используются знания о разрешении в компьютерном зрении и определение правильности границ. • Автор также использует глубокое обучение для командного прогнозирования с использованием CNN. • Набор данных для обучения и проверки состоит из 90 изображений, разделенных на три класса: рефери, команда гостей и команда хозяев. • Обучение модели включает определение архитектуры CNN, преобразование данных и использование Adam для оптимизации процесса обучения. • Пересказана только часть статьи. Для продолжения перейдите к чтению оригинала.

Этот пост подготовила нейросеть: сделала выжимку статьи и, возможно, даже перевела ее с английского. А телеграм-бот опубликовал пост в Сетке. читать материал полностью