Basketbol oyuncularını tanımlamak için bilgisayarlı görü sistemi özeti
(blog.roboflow.com)🏀 Basketbol oyuncularını tanımlamak için bilgisayarlı görü sistemi özeti
Bu blog yazısı, bilgisayarlı görü teknolojisini kullanarak basketbol maçı görüntülerinde oyuncuları tespit etme, takip etme ve tanımlama işlemlerini gerçekleştiren karmaşık bir sistemin nasıl kurulduğunu ayrıntılı biçimde açıklıyor. Sistem, birden fazla modern yapay zeka modelini bir pipeline olarak birleştirerek oyuncuların hızlı hareketleri, fiziksel temas nedeniyle oluşan örtülme (occlusion), benzer formalar ve kamera hareketi gibi zorlu problemleri çözüyor.
Temel teknolojiler ve pipeline
Bu sistem, oyuncuları tanımlamak için çok aşamalı ve gelişmiş bir süreç kullanıyor.
-
Nesne tespiti (Object Detection):
- Görüntü içindeki oyuncular, sırt numaraları, basketbol topu ve pota çemberi gibi temel nesnelerin konumlarını doğru şekilde bulmak için RF-DETR modeli kullanılır.
-
Oyuncu takibi (Player Tracking):
- Her karede oyuncuları takip etmek için SAM2 (Segment Anything Model 2) kullanılır. SAM2'nin dahili bellek özelliği sayesinde, bir oyuncu başka oyuncular ya da nesneler tarafından kısa süreliğine gizlense bile sistem bunun aynı oyuncu olduğunu anlamaya devam eder ve takibi sürdürür.
-
Takım ayrımı (Team Clustering):
- Forma renklerine dayanarak iki takımı ayırt etmek için denetimsiz öğrenme tabanlı bir kümeleme yaklaşımı kullanılır.
- SigLIP modeli, her oyuncunun görsel özelliklerini embedding vektörlerine dönüştürür.
- UMAP, yüksek boyutlu embedding verilerini daha düşük boyuta indirger.
- Oyuncuları iki gruba (takıma) ayırmak için K-means kümeleme algoritması uygulanır.
-
Oyuncu tanımlama (Player Identification):
- Oyuncuyu nihai olarak tanımlamak için sırt numarası tanınır.
- Başlangıçta OCR (optik karakter tanıma) için SmolVLM kullanılmış olsa da, sırt numarası sınıflandırması için ince ayar yapılmış ResNet modeli daha yüksek doğruluk verdiği için son olarak tercih edilmiştir.
- Tespit edilen sırt numarasının doğru oyuncu maskesine isabetli biçimde bağlanmasını sağlamak için IoS (Intersection over Smaller Area) adlı metrik kullanılır.
- Sistemin güvenilirliğini artırmak için, aynı sırt numarası ancak birden çok kez tekrar tekrar tahmin edildiğinde ilgili oyuncunun numarası olarak kesinleştirilir.
Sonuç ve kaynak kodu
Bu sistem, birden fazla son teknoloji bilgisayarlı görü modelini yaratıcı biçimde entegre ederek karmaşık gerçek dünya spor analizi problemlerini çözme potansiyelini gösteren başarılı bir örnektir. Ancak işleme sürecinin karmaşıklığı nedeniyle gerçek zamanlı çalışmaz.
- Kaynak kodu: Projenin tüm koduna aşağıdaki GitHub deposundan ulaşabilirsiniz.
1 yorum
Kaynak kod bağlantısı eklenemiyor.