Uppskattning av fotbollsspelares positioner över tid med hjälp av kontext och AutoEncoders

Manon DEPRETTE

Sammanfattning

ChyronHego samlar in data från ett stort antal fotbollsmatcher. Denna data innehåller bollens och spelarnas positioner över tid, men ibland saknas korrekta positioner för en spelare och det finns då det ett behov av att kunna predicera dessa. Målet med detta arbete är att undersöka hur en AutoEncoder, en Variational AutoEncoder samt en Conditional Variational AutoEncoder kan användas för att känna igen mönster i datan. Vidare kommer arbetet undersöka om dessa modeller kan predicera korrekta positionerna för spelarna under en fotbollsmatch. Utöver de ovan nämnda modellerna kommer vi även att implementera en rolljusteringsteknik som använder sig av icke-vägledd inlärning av spelarnas inbördes ordning, vilken skulle kunna ge förbättrade prediktioner. Resultaten visar att när korrekt data saknas för en spelares position kan modellen använda övriga spelares rörelsemönster för att kunna predicera den korrekta positionen, vidare finner vi inget stöd för att de inlärda egenskaperna från rolljusteringstekniken förbättrar modellens prediktioner.