На этой неделе игроки и тренеры «Филадельфия Иглз» и «Канзас-Сити Чифс» проведут часы в кинозалах, готовясь к Суперкубку. Они будут изучать позиции, игры и схемы, пытаясь точно определить, какие тенденции соперника они могут использовать, глядя на свой собственный фильм, чтобы укрепить слабые стороны.
Новая технология искусственного интеллекта, разрабатываемая инженерами из Университета Бригама Янга, может значительно сократить время и затраты на изучение фильмов для команд, участвующих в Суперкубке (и всех футбольных команд НФЛ и колледжей), а также улучшить игровую стратегию за счет использования сила больших данных.
Профессор BYU DJ Lee, магистрант Джейкоб Ньюман и доктор философии. Студенты Эндрю Самсион и Шад Торри используют ИИ для автоматизации трудоемкого процесса анализа и аннотирования игровых кадров вручную. Используя глубокое обучение и компьютерное зрение, исследователи создали алгоритм, который может постоянно находить и маркировать игроков из игрового фильма и определять формирование атакующей команды — процесс, который может потребовать времени множества видеопомощников.
«У нас был разговор об этом, и мы поняли, что мы, вероятно, могли бы научить алгоритм делать это», — сказал Ли, профессор электротехники и вычислительной техники. «Поэтому мы организовали встречу с BYU Football, чтобы узнать об их процессе, и сразу поняли, что да, мы можем сделать это намного быстрее».
Находясь еще на ранней стадии исследования, команда уже добилась точности более 90% при обнаружении и маркировке игроков с помощью своего алгоритма, а также точности 85% при определении расстановки. Они считают, что технология может в конечном итоге устранить необходимость в неэффективной и утомительной практике ручного аннотирования и анализа записанного видео, используемого командами НФЛ и колледжей.
Ли и Ньюман сначала просмотрели кадры реальных игр, предоставленные футбольной командой УБЯ. Когда они начали его анализировать, они поняли, что им нужны дополнительные углы, чтобы правильно обучить свой алгоритм. Поэтому они купили копию Madden 2020, которая показывает поле сверху и сзади нападения, и вручную разметили 1000 изображений и видео из игры.
Они использовали эти изображения для обучения алгоритма глубокого обучения для определения местонахождения игроков, который затем вводится в структуру остаточной сети, чтобы определить, на какой позиции играют игроки. Наконец, их нейронная сеть использует информацию о местоположении и позиции, чтобы определить, какое построение (из более чем 25 построений) использует нападающий — от Pistol Bunch TE до I Form H Slot Open.
Ли сказал, что алгоритм может точно идентифицировать формации на 99,5%, если информация о местоположении игрока и маркировке верна. Схема I, в которой четыре игрока выстраиваются один перед другим — центральный, квотербек, крайний защитник и бегущий защитник — оказалась одной из самых сложных формаций для идентификации.
Ли и Ньюман сказали, что система искусственного интеллекта может найти применение и в других видах спорта. Например, в бейсболе он может определять позиции игроков на поле и выявлять общие закономерности, чтобы помочь командам усовершенствовать методы защиты от определенных отбивающих. Или его можно использовать для определения местонахождения футболистов, чтобы помочь определить более эффективные и действенные схемы.
«Когда у вас будут эти данные, вы сможете сделать с ними гораздо больше; вы сможете вывести их на новый уровень», — сказал Ли. «Большие данные могут помочь нам узнать стратегии этой команды или тенденции этого тренера. спорт — это действительно круто, и если мы сможем дать им хотя бы 1% преимущества, оно того стоит».
