MARC details
| 000 -LEADER |
|---|
| fixed length control field |
04902nam a2200385 i 4500 |
| 003 - CONTROL NUMBER IDENTIFIER |
|---|
| control field |
TR-AnTOB |
| 005 - DATE AND TIME OF LATEST TRANSACTION |
|---|
| control field |
20230908000957.0 |
| 007 - PHYSICAL DESCRIPTION FIXED FIELD--GENERAL INFORMATION |
|---|
| fixed length control field |
ta |
| 008 - FIXED-LENGTH DATA ELEMENTS--GENERAL INFORMATION |
|---|
| fixed length control field |
171111s2021 xxu e mmmm 00| 0 eng d |
| 035 ## - SYSTEM CONTROL NUMBER |
|---|
| System control number |
(TR-AnTOB)200446639 |
| 040 ## - CATALOGING SOURCE |
|---|
| Original cataloging agency |
TR-AnTOB |
| Language of cataloging |
eng |
| Description conventions |
rda |
| Transcribing agency |
TR-AnTOB |
| 041 0# - LANGUAGE CODE |
|---|
| Language code of text/sound track or separate title |
Türkçe |
| 099 ## - LOCAL FREE-TEXT CALL NUMBER (OCLC) |
|---|
| Classification number |
TEZ TOBB FBE ELE YL’21 TEK |
| 100 1# - MAIN ENTRY--PERSONAL NAME |
|---|
| Personal name |
Teket, Osman Murat |
| Relator term |
author |
| 9 (RLIN) |
135116 |
| 245 10 - TITLE STATEMENT |
|---|
| Title |
Basketbol oyuncu tanımlama ve skor tespiti / |
| Statement of responsibility, etc. |
Osman Murat Teket ; thesis advisor İmam Şamil Yetik. |
| 246 11 - VARYING FORM OF TITLE |
|---|
| Title proper/short title |
Player identification with scoring detection |
| 264 #1 - PRODUCTION, PUBLICATION, DISTRIBUTION, MANUFACTURE, AND COPYRIGHT NOTICE |
|---|
| Place of production, publication, distribution, manufacture |
Ankara : |
| Name of producer, publisher, distributor, manufacturer |
TOBB ETÜ Fen Bilimleri Enstitüsü, |
| Date of production, publication, distribution, manufacture, or copyright notice |
2021. |
| 300 ## - PHYSICAL DESCRIPTION |
|---|
| Extent |
xiv, 41 pages : |
| Other physical details |
illustrations ; |
| Dimensions |
29 cm |
| 336 ## - CONTENT TYPE |
|---|
| Content type term |
text |
| Content type code |
txt |
| Source |
rdacontent |
| 337 ## - MEDIA TYPE |
|---|
| Media type term |
unmediated |
| Media type code |
n |
| Source |
rdamedia |
| 338 ## - CARRIER TYPE |
|---|
| Carrier type term |
volume |
| Carrier type code |
nc |
| Source |
rdacarrier |
| 502 ## - DISSERTATION NOTE |
|---|
| Dissertation note |
Tez (Yüksek Lisans Tezi)--TOBB ETÜ Fen Bilimleri Enstitüsü Nisan 2021 |
| 520 ## - SUMMARY, ETC. |
|---|
| Summary, etc. |
Spor video analizi, görüntü is ̧leme uygulamalarının popüler kullanım alanlarından biridir. Bu tür analizler profesyonel spor müsabakalarında ya da antrenman videolarında yapılmakta ve genel olarak skor ve oyuncu tanımlamaları için derin ög ̆renme yerine geleneksel yöntemler kullanılmaktadır. Bu tezin amacı ise bir basketbol antrenmanını gerçek zamanlı olarak analiz edebilen bir algoritma gelis ̧tirmektir. Yani, bu uygulama dog ̆ru oyuncuları tespit etmeli ve her bir oyuncu için skoru vermelidir. Bu amaçla, ilk olarak s ̧utları ve bu s ̧utların bas ̧arılı olup olmadıg ̆ını tespit eden bir metot tanıtılmıs ̧tır. Spesifik olarak, basketbol potasının görüntüdeki yerini tespit etmek için bir derin ög ̆renme modeli verilmis ̧ ve s ̧ut tespiti için arka plan çıkarımı kullanılmıs ̧tır. Ardından, s ̧utun skor olup olmadıg ̆ı farklı bir sinir ag ̆ıyla tanımlanmıs ̧tır. S ̧utun tanımlanmasından sonra, arabelleklenen görüntüler içinde geriye gidilerek s ̧utör tespiti yapılır. Oyuncu YOLOv3-tiny kullanılarak tespit edilir ve güdümsüz bir derin ög ̆renme modeliyle tanımlanır. Bu güdümsüz model yüksek performans vermesi için Üçlü Yitim ve bir bölütleme modelinin kullanımıyla eg ̆itilmis ̧tir. Gerçek zaman hedefine ulas ̧mak amacıyla, kullanılan bütün modeller için temel olarak mobil ag ̆lardan farklı parametre ve eg ̆itim yöntemleriyle yararlanılmıs ̧tır. Ek olarak, her seans sonunda bir kümeleme uygulaması çalıs ̧tırılarak tekrar oyuncu tanımlama yapılmıs ̧ ve sonucun iyiles ̧tirilmesi sag ̆lanmıs ̧tır. Deneyler iki farklı antrenman videosu üzerinde yapılmıs ̧tır. Deney sonuçları skor tanımlamasında %95 dog ̆ruluk oranı; 2 oyuncu üzerinde gerçek zamanlı olarak %92.5'e ve kümeleme ile 6 oyuncu üzerinde %86.7'ye varan dog ̆ruluk oranları ile tanıtılan metodun etkililig ̆ini göstermektedir. |
|
|---|
| Summary, etc. |
Sports video analysis is one of the most popular areas for image processing. These analyses are done on professional sports matches or training videos and generally employ traditional image processing methods instead of deep learning for scoring and player identification. The aim of this thesis is to obtain an algorithm to analyze a basketball training in real time. That is, the approach should be able to detect the correct players and scores for each player. For this purpose, we first propose a method to detect the shots and if they are makes or misses. Specifically, we use a deep learning model to detect the position of the hoop and background subtraction to detect the shot. Then, scoring is determined by another neural network using classification. After the determination of the shot, we go back in our buffered images to find the player who sent the shot. The player is detected by YOLOv3-tiny and identified by a deep unsupervised re-identification model. This unsupervised model is trained with Triplet Loss with the addition of a segmentation model to obtain high accuracy. To keep the real-time aim, all models employ mobile networks as base with different parameters and training methods. After each session, we run clustering to do the player re-identification again to improve on the result. The experiments were conducted on two training videos. The experiment results show the effectiveness of the current method with 95% accuracy on scoring identification and up to 92.5% overall accuracy on re-identification of 2 players in real-time, with up to 86.7% accuracy on 6 players with clustering. |
| 653 ## - INDEX TERM--UNCONTROLLED |
|---|
| Uncontrolled term |
Oyuncu tanımlama |
|
|---|
| Uncontrolled term |
Skor tespiti |
|
|---|
| Uncontrolled term |
Derin öğrenme |
|
|---|
| Uncontrolled term |
Player identification |
|
|---|
| Uncontrolled term |
Scoring detection |
|
|---|
| Uncontrolled term |
Deep learning |
| 700 1# - ADDED ENTRY--PERSONAL NAME |
|---|
| Personal name |
Yetik, İmam Şamil |
| 9 (RLIN) |
126288 |
| Relator term |
advisor |
| 710 ## - ADDED ENTRY--CORPORATE NAME |
|---|
| Corporate name or jurisdiction name as entry element |
TOBB Ekonomi ve Teknoloji Üniversitesi. |
| Subordinate unit |
Fen Bilimleri Enstitüsü |
| 9 (RLIN) |
77078 |
| 942 ## - ADDED ENTRY ELEMENTS (KOHA) |
|---|
| Koha item type |
Thesis |
| Source of classification or shelving scheme |
Other/Generic Classification Scheme |
