Clasificación automática de eventos en videos de fútbol utilizando redes convolucionales profundas

Descripción del Articulo

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...

Descripción completa

Detalles Bibliográficos
Autor: Laboriano Galindo, Alipio
Formato: tesis de maestría
Fecha de Publicación:2024
Institución:Pontificia Universidad Católica del Perú
Repositorio:PUCP-Tesis
Lenguaje:español
OAI Identifier:oai:tesis.pucp.edu.pe:20.500.12404/28089
Enlace del recurso:http://hdl.handle.net/20.500.12404/28089
Nivel de acceso:acceso embargado
Materia:Futbol
Procesamiento de imágenes digitales
Redes neuronales (Computación)
https://purl.org/pe-repo/ocde/ford#1.02.00
id PUCP_f91135903b311eac1913a65db8987d85
oai_identifier_str oai:tesis.pucp.edu.pe:20.500.12404/28089
network_acronym_str PUCP
network_name_str PUCP-Tesis
repository_id_str .
dc.title.es_ES.fl_str_mv Clasificación automática de eventos en videos de fútbol utilizando redes convolucionales profundas
title Clasificación automática de eventos en videos de fútbol utilizando redes convolucionales profundas
spellingShingle Clasificación automática de eventos en videos de fútbol utilizando redes convolucionales profundas
Laboriano Galindo, Alipio
Futbol
Procesamiento de imágenes digitales
Redes neuronales (Computación)
https://purl.org/pe-repo/ocde/ford#1.02.00
title_short Clasificación automática de eventos en videos de fútbol utilizando redes convolucionales profundas
title_full Clasificación automática de eventos en videos de fútbol utilizando redes convolucionales profundas
title_fullStr Clasificación automática de eventos en videos de fútbol utilizando redes convolucionales profundas
title_full_unstemmed Clasificación automática de eventos en videos de fútbol utilizando redes convolucionales profundas
title_sort Clasificación automática de eventos en videos de fútbol utilizando redes convolucionales profundas
author Laboriano Galindo, Alipio
author_facet Laboriano Galindo, Alipio
author_role author
dc.contributor.advisor.fl_str_mv Beltrán Castañón, César Armando
dc.contributor.author.fl_str_mv Laboriano Galindo, Alipio
dc.subject.es_ES.fl_str_mv Futbol
Procesamiento de imágenes digitales
Redes neuronales (Computación)
topic Futbol
Procesamiento de imágenes digitales
Redes neuronales (Computación)
https://purl.org/pe-repo/ocde/ford#1.02.00
dc.subject.ocde.es_ES.fl_str_mv https://purl.org/pe-repo/ocde/ford#1.02.00
description 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.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-06-21T13:58:12Z
dc.date.available.none.fl_str_mv 2024-06-21T13:58:12Z
dc.date.created.none.fl_str_mv 2024
dc.date.EmbargoEnd.none.fl_str_mv 2025-01-14
dc.date.issued.fl_str_mv 2024-06-21
dc.type.es_ES.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12404/28089
url http://hdl.handle.net/20.500.12404/28089
dc.language.iso.es_ES.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_ES.fl_str_mv info:eu-repo/semantics/embargoedAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/pe/
eu_rights_str_mv embargoedAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/pe/
dc.publisher.es_ES.fl_str_mv Pontificia Universidad Católica del Perú
dc.publisher.country.es_ES.fl_str_mv PE
dc.source.none.fl_str_mv reponame:PUCP-Tesis
instname:Pontificia Universidad Católica del Perú
instacron:PUCP
instname_str Pontificia Universidad Católica del Perú
instacron_str PUCP
institution PUCP
reponame_str PUCP-Tesis
collection PUCP-Tesis
bitstream.url.fl_str_mv https://tesis.pucp.edu.pe/bitstreams/b930fa69-8de9-4572-afd1-55b97fc560f3/download
https://tesis.pucp.edu.pe/bitstreams/7a79228f-16dc-4e6f-8e8e-02818e88c01a/download
https://tesis.pucp.edu.pe/bitstreams/ad956b66-39e2-4912-be11-751a6f9de6c7/download
https://tesis.pucp.edu.pe/bitstreams/4330997d-39fd-4808-93f7-098e0d0084a7/download
https://tesis.pucp.edu.pe/bitstreams/995cbe7f-7438-4cfc-9ccf-35ff948e717b/download
https://tesis.pucp.edu.pe/bitstreams/9b4e41f4-2a35-49c0-8f9b-442e9bb29c99/download
https://tesis.pucp.edu.pe/bitstreams/913b0d79-6ad9-475c-8039-d7864aa55b4f/download
https://tesis.pucp.edu.pe/bitstreams/f68d59bc-3fa3-4890-985f-e7f8040ba24f/download
bitstream.checksum.fl_str_mv 7d13149ff5e776a643305c99b4785a48
58000a942a8d8796b4fcb352db93c8c2
8fc46f5e71650fd7adee84a69b9163c2
8a4605be74aa9ea9d79846c1fba20a33
3e149bcce5b6aa999aef6157c7026a01
dfd81200cdd316f795cb683329efab96
5afb6ef1da11230eb88a6760cd71ca2d
5efebb0380dd1ab7ed14fcab3488ce0a
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de Tesis PUCP
repository.mail.fl_str_mv raul.sifuentes@pucp.pe
_version_ 1834736962808840192
spelling Beltrán Castañón, César ArmandoLaboriano Galindo, Alipio2024-06-21T13:58:12Z2024-06-21T13:58:12Z20242024-06-212025-01-14http://hdl.handle.net/20.500.12404/28089La 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.spaPontificia Universidad Católica del PerúPEinfo:eu-repo/semantics/embargoedAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/pe/FutbolProcesamiento de imágenes digitalesRedes neuronales (Computación)https://purl.org/pe-repo/ocde/ford#1.02.00Clasificación automática de eventos en videos de fútbol utilizando redes convolucionales profundasinfo:eu-repo/semantics/masterThesisreponame:PUCP-Tesisinstname:Pontificia Universidad Católica del Perúinstacron:PUCPSUNEDUMaestro en Informática con mención en Ciencias de la ComputaciónMaestríaPontificia Universidad Católica del Perú. Escuela de Posgrado.Informática con mención en Ciencias de la Computación29561260https://orcid.org/0000-0002-0173-414045924014611087Pineda Ancco, Ferdinand EdgardoBeltran Castañon, Cesar ArmandoFonseca Arroyo, Pablo Alejandrohttps://purl.org/pe-repo/renati/level#maestrohttps://purl.org/pe-repo/renati/type#tesisORIGINALLABORIANO_GALINDO_ALIPIO_CLASIFICACION_AUTOMATICA_EVENTOS.pdfLABORIANO_GALINDO_ALIPIO_CLASIFICACION_AUTOMATICA_EVENTOS.pdfTexto completoapplication/pdf969840https://tesis.pucp.edu.pe/bitstreams/b930fa69-8de9-4572-afd1-55b97fc560f3/download7d13149ff5e776a643305c99b4785a48MD51trueAnonymousREAD2025-01-14LABORIANO_GALINDO_ALIPIO_T.pdfLABORIANO_GALINDO_ALIPIO_T.pdfReporte de originalidadapplication/pdf4841133https://tesis.pucp.edu.pe/bitstreams/7a79228f-16dc-4e6f-8e8e-02818e88c01a/download58000a942a8d8796b4fcb352db93c8c2MD52falseAnonymousREAD2500-01-01CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81037https://tesis.pucp.edu.pe/bitstreams/ad956b66-39e2-4912-be11-751a6f9de6c7/download8fc46f5e71650fd7adee84a69b9163c2MD53falseAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://tesis.pucp.edu.pe/bitstreams/4330997d-39fd-4808-93f7-098e0d0084a7/download8a4605be74aa9ea9d79846c1fba20a33MD54falseAnonymousREADTHUMBNAILLABORIANO_GALINDO_ALIPIO_CLASIFICACION_AUTOMATICA_EVENTOS.pdf.jpgLABORIANO_GALINDO_ALIPIO_CLASIFICACION_AUTOMATICA_EVENTOS.pdf.jpgIM Thumbnailimage/jpeg13057https://tesis.pucp.edu.pe/bitstreams/995cbe7f-7438-4cfc-9ccf-35ff948e717b/download3e149bcce5b6aa999aef6157c7026a01MD55falseAnonymousREADLABORIANO_GALINDO_ALIPIO_T.pdf.jpgLABORIANO_GALINDO_ALIPIO_T.pdf.jpgIM Thumbnailimage/jpeg8323https://tesis.pucp.edu.pe/bitstreams/9b4e41f4-2a35-49c0-8f9b-442e9bb29c99/downloaddfd81200cdd316f795cb683329efab96MD56falseAnonymousREAD2500-01-01TEXTLABORIANO_GALINDO_ALIPIO_CLASIFICACION_AUTOMATICA_EVENTOS.pdf.txtLABORIANO_GALINDO_ALIPIO_CLASIFICACION_AUTOMATICA_EVENTOS.pdf.txtExtracted texttext/plain65206https://tesis.pucp.edu.pe/bitstreams/913b0d79-6ad9-475c-8039-d7864aa55b4f/download5afb6ef1da11230eb88a6760cd71ca2dMD57falseAnonymousREAD2025-01-14LABORIANO_GALINDO_ALIPIO_T.pdf.txtLABORIANO_GALINDO_ALIPIO_T.pdf.txtExtracted texttext/plain3371https://tesis.pucp.edu.pe/bitstreams/f68d59bc-3fa3-4890-985f-e7f8040ba24f/download5efebb0380dd1ab7ed14fcab3488ce0aMD58falseAnonymousREAD2500-01-0120.500.12404/28089oai:tesis.pucp.edu.pe:20.500.12404/280892025-03-29 14:41:03.264http://creativecommons.org/licenses/by-nc-sa/2.5/pe/info:eu-repo/semantics/embargoedAccessopen.accesshttps://tesis.pucp.edu.peRepositorio de Tesis PUCPraul.sifuentes@pucp.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
score 13.888049
Clasificación automática de eventos en videos de fútbol utilizando redes convolucionales profundas
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares