Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen: https://doi.org/10.48548/pubdata-1539
RessourcentypZeitschriftenartikel
TitelToward Automatically Labeling Situations in Soccer
DOI10.48548/pubdata-1539
Handle20.500.14123/1615
Autor*inFassmeyer, Dennis  0009-0003-9330-0992
Anzer, Gabriel  0000-0003-3129-8359
Bauer, Pascal  0000-0001-8613-6635
Brefeld, Ulf  0000-0001-9600-6463
AbstractWe study the automatic annotation of situations in soccer games. At first sight, this translates nicely into a standard supervised learning problem. However, in a fully supervised setting, predictive accuracies are supposed to correlate positively with the amount of labeled situations: more labeled training data simply promise better performance. Unfortunately, non-trivially annotated situations in soccer games are scarce, expensive and almost always require human experts; a fully supervised approach appears infeasible. Hence, we split the problem into two parts and learn (i) a meaningful feature representation using variational autoencoders on unlabeled data at large scales and (ii) a large-margin classifier acting in this feature space but utilize only a few (manually) annotated examples of the situation of interest. We propose four different architectures of the variational autoencoder and empirically study the detection of corner kicks, crosses and counterattacks. We observe high predictive accuracies above 90% AUC irrespectively of the task.
SpracheEnglisch
SchlagwörterSports Analytics; Soccer; Data Tracking; Variational Autoencoders
Jahr der Veröffentlichung in PubData2024
Art der VeröffentlichungZweitveröffentlichung
PublikationsversionVeröffentlichte Version
Datum der Erstveröffentlichung2021-11-03
EntstehungskontextForschung
AnmerkungenThis publication was funded by the Open Access Publication Fund of Leuphana University Lüneburg.
Veröffentlicht durchMedien- und Informationszentrum, Leuphana Universität Lüneburg
Zugehörige Ressourcen Beziehungen dieser Publikation
Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat 

Fassmeyer_Toward_Automatically_Labeling_Situations_in_Soccer.pdf
MD5: 5f95be6523554e101ff7f070eab60fa4
Lizenz: 
open-access

1.95 MB
Adobe PDF		Öffnen/Anzeigen

Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt, soweit nicht anderweitig angezeigt.

Ansichten
Zitationsformate
Datensatz Exporte
Zugriffsstatistik

Seitenaufruf(e): 1

Download(s): 0