[論文レビュー] Predicting Shot Making in Basketball using Convolutional Neural Networks Learnt from Adversarial Multiagent Trajectories.

Mark E. Harmon, Patrick Lucey+1 more|arXiv (Cornell University)|Sep 15, 2016

Human Pose and Action Recognition参考文献 11被引用数 6

ひとこと要約

本稿では、時間的ダイナミクスを符号化するためのフェーディングを用いた複数チャネルの画像として複数エージェントの軌道をモデル化することで、バスケットボールのシュート成功を予測する畳み込みニューラルネットワーク（CNN）を提案する。敵対的軌道と勾配上昇解析を用いて、重要な視覚的パターンを同定し、ハイブリッドFNN+CNNアーキテクチャで26%の誤差率を達成した。これは、手作業で特徴を設計した手法を上回る性能を発揮した。

ABSTRACT

In this paper, we predict the likelihood of a player making a shot in basketball from multiagent trajectories. Previous approaches to similar problems center on hand-crafting features to capture domain specific knowledge. Although intuitive, recent work in deep learning has shown this approach is prone to missing important predictive features. To circumvent this issue, we present a convolutional neural network (CNN) approach where we initially represent the multiagent behavior as an image. To encode the adversarial nature of basketball, we use a multi-channel image which we then feed into a CNN. Additionally, to capture the temporal aspect of the trajectories we use fading. By using gradient ascent, we were able to discover what the CNN filters look for during training. Last, we find that a combined FNN+CNN is the best performing network with an error rate of 26%.

研究の動機と目的

• 手作業で特徴を設計した手法の限界を克服し、ディープラーニングを活用してバスケットボールのシュート結果を予測すること。
• 複数エージェントの軌道の画像表現を用いてバスケットボールの敵対的ダイナミクスをモデル化すること。
• 画像表現におけるフェーディングを用いて、プレーヤーの動きの時間的変化を組み込むこと。
• 勾配上昇を用いて学習されたCNNフィルタを分析し、予測パターンを解釈すること。
• ハイブリッドFNN+CNNアーキテクチャの性能をベースラインモデルと比較して評価すること。

提案手法

• 空間的および敵対的関係を符号化するために、複数エージェントの軌道を複数チャネルの画像として表現すること。
• 時間的ダイナミクスをフレーム間で保持するために、画像表現にフェーディングを適用すること。
• 画像埋め込み軌道を用いてCNNを訓練し、シュート成功確率を予測すること。
• トレーニング中に学習されたCNNフィルタを可視化・解釈するために勾配上昇を用いること。
• 予測性能の向上を図るために、フィードフォワードニューラルネットワーク（FNN）とCNNを組み合わせること。
• 標準的なディープラーニングのトレーニング手順を用いてFNN+CNNモデルを最適化すること。

実験結果

リサーチクエスチョン

• RQ1 手作業で特徴を設計しないで、CNNが複数エージェントの軌道からシュート成功を効果的に予測できるか？
• RQ2 複数チャネルの画像表現を用いて敵対的相互作用をモデル化することで、シュート予測がどの程度向上するか？
• RQ3 フェーディングを用いて時間的ダイナミクスを組み込むことで、予測精度がどの程度向上するか？
• RQ4 CNNフィルタが学習する視覚的パターンは、シュート成功とどのように関連しているか？
• RQ5 ハイブリッドFNN+CNNアーキテクチャは、単独のモデルを上回る性能を示すか？

主な発見

• FNN+CNNモデルは26%という最低の誤差率を達成し、比較した他のアーキテクチャを上回った。
• 複数チャネルの画像表現を用いることで、プレーヤー間の敵対的相互作用が効果的に符号化された。
• 画像表現におけるフェーディングにより、時間的ダイナミクスが保持され、モデルの汎化性能が向上した。
• 勾配上昇により、CNNフィルタがシュート試みの直前における重要な空間的配置を検出していることが明らかになった。
• 結果から、このタスクにおいてエンドツーエンドのディープラーニングが、手作業特徴工学を上回ることを示した。
• 学習されたフィルタの可視化により、意味のある戦術的パターンが明らかになったため、モデルの解釈性が向上した。