Detección de eventos en partidos de fútbol utilizando técnicas de Aprendizaje Máquina

Abstract

Este trabajo comienza describiendo de forma teórica los fundamentos de la Inteligencia Artificial, analizando su importancia en la actualidad y el poder que ha ido adquiriendo con el paso de los años. Además, se desarrollan distintos campos de interés, en especial aquellos relacionados con el Aprendizaje Máquina, haciendo hincapié en los algoritmos que se utilizan más adelante en la descripción de la solución planteada para la detección de eventos en partidos de fútbol. En concreto, el objetivo de la solución que se va a desarrollar en el trabajo es la detección y clasificación de tres eventos distintos en el transcurso de un partido de fútbol. Estos tres eventos son: saques de banda, pases y disputas entre jugadores de distintos equipos. Además de esto, se va a desarrollar otra solución mediante la cual se realiza un seguimiento del balón, haciendo un seguimiento de su recorrido. Para ello, se presentan diversas tecnologías como EfficientNet o YOLOv5, explicando las herramientas que ofrecen y las ventajas que presentan para el desarrollo de redes neuronales o el tratamiento de datos para su uso en dichas redes. Con todo esto, en último lugar, se presentan los resultados obtenidos para estos modelos, para los que se hace un análisis centrado en tres métricas principales: recall, precisión y AP. Además, se comparan distintas posibles opciones de hiperparámetros para el modelo, justificando la opción elegida.

This work begins with a theoretical description of the fundamentals of Artificial Intelligence, analyzing its current importance and the power it has been acquiring over the years. In addition, different fields of interest are developed, especially those related to Machine Learning, emphasizing the algorithms that are used later in the description of the solution proposed for the detection of events in soccer matches. Specifically, the objective of the solution to be developed in the work is the detection and classification of three different events during a soccer match. These three events are: throw-ins, passes and disputes between players of different teams. In addition to this, another solution is going to be developed by means of which the ball is tracked, following its path. For this purpose, various technologies such as EfficientNet or YOLOv5 are presented, explaining the tools they offer and the advantages they present for the development of neural networks or data processing for use in such networks. Finally, the results obtained for these models are presented, with an analysis focused on three main metrics: recall, precision and AP. In addition, different possible options of hyperparameters for the model are compared, justifying the chosen option.