یک معماری دومسیره کارآمد مبتنی بر شبکه عصبی عمیق برای بازشناسی دروازه در ویدئوی بازی فوتبال

در این مقاله یک روش خودکار با استفاده از یک مدل معماری دومسیره یادگیری عمیق برای مساله تحلیل تصاویر ویدئویی ورزش فوتبال، با تاکید بر شناسایی دروازه به عنوان یکی از مهمترین عناصر رویداد گل که مهمترین رویداد بازی فوتبال می باشد، ارائه کرده ایم. معماری پیشنهادی، شکل توسعه یافته مدل VGG سیزده لایه می باشد که طی آن یک مدل معماری دو مسیره تعریف شده است. در مدل معماری پیشنهادی برای بازشناسی دروازه در مسیر اول، مدل با مجموعه داده آموزشی، آموزش داده می شود. اما در مسیر دوم، مجموعه داده های آموزشی ابتدا توسط یک سیستم غربال کننده مورد بررسی قرار گرفته و بهترین تصاویر که شامل ویژگی های متفاوتی با ویژگی های انتخاب شده توسط مسیر اول هستند، انتخاب می شوند. به عبارت دیگر در مسیر دوم، ویژگی هایی از شبکه ای مشابه مسیر اول، ولی پس از عبور از سیستم غربالگر تولید می شود.سپس بردارهای ویژگی تولید شده در دو مسیر با یکدیگر ادغام شده و یک بردار ویژگی سراسری حاصل می شود و بدین ترتیب فضاهای متفاوتی از مساله بازشناسی دروازه تحت پوشش قرار گرفته است. ارزیابی های متنوعی بر روی روش ارائه شده انجام شده است. نتایج ارزیابی ها، حاکی از بهبود دقت بازشناسی دروازه به وسیله مدل معماری دومسیره ارائه شده نسبت به مدل پایه می باشد. همچنین مقایسه روش پیشنهادی با نتایج موجود نشان می دهد دقت روش پیشنهادی، بهتر از نتایج منتشر شده است.

Keywords:

معماری یادگیری عمیق دو مسیره , ترکیب ویژگی ها , شبکه عصبی عمیق VGG , ویژگی های کلاسیک , معماری مشترک