This thesis addresses the problem of highlights detection from soccer video using deep learning techniques. A quasi-complete pipeline has been followed, going through data retrieval, processing, modeling and testing, as such as the newest coding frameworks in the field of Artificial Intelligence. With this aim, a graphical user interface and a pre-processing framework have been developed to ease the data labeling and preparation process. Then, a deep neural architecture, half convolutional and half recurrent, has been designed and evaluated, paving the way for many future developments.
Rilevazione automaticadi highlights di calcio: un progetto di deep learning. Questa tesi affronta il problema del rilevamento di highlights da video calcistici usando tecniche di deep learning. A tal proposito, è stata progettata una pipeline di sviluppo che comprende il raccoglimento, il trattamento, la modellazione e la valutazione dei dati a disposizione. Per far fronte alle esigenze di progetto e per facilitare i processi di etichettatura e preparazione dei dati, sono state sviluppate un’interfaccia grafica e un ambiente di processamenento. Dopo di che si è sviluppato un modello di partenza, costituito da due tipi di reti neurali: una convolutiva per l'elaborazione delle immagini e una ricorrente per l’informazione temporale, preparando il progetto per gli sviluppi a venire.
Automatic soccer highlights detector: a deep learning pipeline
MARUCCIA, GIOELE
2018/2019
Abstract
This thesis addresses the problem of highlights detection from soccer video using deep learning techniques. A quasi-complete pipeline has been followed, going through data retrieval, processing, modeling and testing, as such as the newest coding frameworks in the field of Artificial Intelligence. With this aim, a graphical user interface and a pre-processing framework have been developed to ease the data labeling and preparation process. Then, a deep neural architecture, half convolutional and half recurrent, has been designed and evaluated, paving the way for many future developments.È consentito all'utente scaricare e condividere i documenti disponibili a testo pieno in UNITESI UNIPV nel rispetto della licenza Creative Commons del tipo CC BY NC ND.
Per maggiori informazioni e per verifiche sull'eventuale disponibilità del file scrivere a: unitesi@unipv.it.
https://hdl.handle.net/20.500.14239/23765