La forma en que las nuevas generaciones consumen y experimentan el
deporte especialmente el fútbol, ha generado oportunidades significativas en la
difusión de contenidos deportivos en plataformas no tradicionales y en formatos
más reducidos. Sin embargo, recuperar información con contenido semántico de
eventos deportivos presentados en formato de video no es tarea sencilla y
plantea diversos retos. En videos de partidos de fútbol entre otros retos tenemos:
las posiciones de las cámaras de grabación, la superposición de eventos o
jugadas y la ingente cantidad de fotogramas disponibles.
Para generar resúmenes de calidad y que sean interesantes para el
aficionado, en esta investigación se desarrolló un sistema basado en Redes
Convolucionales Profundas para clasificar automáticamente eventos o jugadas
que ocurren durante un partido de fútbol.
Para ello se construyó una base de datos a partir de videos de fútbol
descargados de SoccerNet, la cual contiene 1,959 videoclips de 5 eventos:
saques de meta, tiros de esquina, faltas cometidas, tiros libres indirectos y
remates al arco.
Para la experimentación se utilizó técnicas de preprocesamiento de video,
una arquitectura convolucional propia y se aplicó transfer learning con modelos
como ResNet50, EfficientNetb0, Visión Transformers y Video Visión
Transformers.
El mejor resultado se obtuvo con una EfficentNetb0 modificada en su
primera capa convolucional, con la cual se obtuvo un 91% accuracy, y una
precisión de 100% para los saques de meta, 92% para los tiros de esquina, 90% para las faltas cometidas, 88% para los tiros libres indirectos y 89% para los
remates al arco. / The way the new generations consume and experiment sports, especially
soccer, has generated significant opportunities in the dissemination of sports
content on non-traditional platforms and in smaller formats. However, retrieving
information with semantic content of sporting events presented in video format is
not an easy task and poses several challenges. In videos of soccer matches,
among other challenges we have: the positions of the recording cameras, the
overlapping of events or plays and the huge amount of frames available.
In order to generate quality summaries that are interesting for the fan, this
research developed a system based on Deep Convolutional Networks to
automatically classify events or plays that occur during a soccer match.
For this purpose, a database was built from soccer videos downloaded
from SoccerNet, which contains 1,959 video clips of 5 events: goal kicks, corner
kicks, fouls, indirect free kicks and shots on target.
For the experimentation, video preprocessing techniques were used, a
proprietary convolutional architecture and transfer learning was applied with
models such as ResNet50, EfficientNetb0, Vision Transformers and Video Vision
Transformers.
The best result was obtained with a modified EfficentNetb0 in its first
convolutional layer, with which 91% accuracy was obtained, and an accuracy of
100% for goal kicks, 92% for corner kicks, 90% for fouls committed, 88% for
indirect free kicks and 89% for shots on target.
| Identifer | oai:union.ndltd.org:PUCP/oai:tesis.pucp.edu.pe:20.500.12404/28089 |
| Date | 14 January 2025 |
| Creators | Laboriano Galindo, Alipio |
| Contributors | Beltrán Castañón, César Armando |
| Publisher | Pontificia Universidad Católica del Perú, PE |
| Source Sets | Pontificia Universidad Católica del Perú |
| Language | Spanish |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/masterThesis |
| Format | application/pdf, application/pdf |
| Rights | info:eu-repo/semantics/embargoedAccess, http://creativecommons.org/licenses/by-nc-sa/2.5/pe/ |
Page generated in 0.0082 seconds