- AutorIn
- Robert Marzilger Fraunhofer-Institut für Integrierte Schaltungen IIS
- Fabian HirnFraunhofer-Institut für Integrierte Schaltungen IIS
- Raul Aznar AlvarezFraunhofer-Institut für Integrierte Schaltungen IIS
- Nicolas Witt
- Titel
- Sports Scene Searching, Rating & Solving using AI
- Zitierfähige Url:
- https://nbn-resolving.org/urn:nbn:de:bsz:ch1-qucosa2-807718
- Übersetzter Titel (DE)
- Sportszenen-Suche, -Bewertung und -Lösung mit KI
- Konferenz
- spinfortec2022. Chemnitz, 29. - 30. September 2022
- Quellenangabe
- spinfortec2022 : Tagungsband zum 14. Symposium der Sektion Sportinformatik und Sporttechnologie der Deutschen Vereinigung für Sportwissenschaft (dvs), Chemnitz 29. - 30. September 2022
- Abstract (DE)
- Diese Arbeit zeigt die Anwendung von künstlicher Intelligenz (KI) auf Invasionsspielverfolgungsdaten, um eine schnelle (unter einer Sekunde) und anpassungsfähige Suchmaschine für Sportszenen zu realisieren, Szenenbewertungen auf der Grundlage von maschinellem Lernen (ML) und computergenerierte Lösungen unter Verwendung von Verstärkungslernen (RL). Wir stellen Forschungsergebnisse für alle drei Bereiche vor. Es werden Vorteile für eine beschleunigte Videoanalyse in Profisportvereinen erwartet.
- Abstract (EN)
- This work shows the application of artificial intelligence (AI) on invasion game tracking data to realize a fast (sub-second) and adaptable search engine for sports scenes, scene ratings based on machine learning (ML) and computer-generated solutions using reinforcement learning (RL). We provide research results for all three areas. Benefits are expected for accelerated video analysis at professional sports clubs.
- Freie Schlagwörter (DE)
- Künstliche Intelligenz, Maschinelles Lernen, Bestärkendes Lernen, Tracking-Daten, Invasionsspiele
- Freie Schlagwörter (EN)
- AI, ML, RL, tracking data, invasion games
- Klassifikation (DDC)
- 700 Künste & Freizeit und Erholung
- 790 Sport, Spiele, Unterhaltung
- Normschlagwörter (GND)
- Künstliche Intelligenz
- Maschinelles Lernen
- Bestärkendes Lernen
- Version / Begutachtungsstatus
- angenommene Version / Postprint / Autorenversion
- URN Qucosa
- urn:nbn:de:bsz:ch1-qucosa2-807718
- Veröffentlichungsdatum Qucosa
- 14.10.2022
- Dokumenttyp
- Konferenzbeitrag
- Sprache des Dokumentes
- Englisch
- Lizenz / Rechtehinweis
CC BY-SA 4.0