تحلیل داده‌های ورزشی با کمک بینایی کامپیوتر، یکی از حوزه‌های پرشتاب و هیجان‌انگیز در هوش مصنوعی است. توانایی سیستم‌های کامپیوتری برای درک و تحلیل رویدادهای یک مسابقه ورزشی، انقلابی در نحوه مربیگری، تحلیل عملکرد بازیکنان و حتی تجربه تماشاگران ایجاد کرده است. در این میان، شناسایی دقیق بازیکنان حاضر در زمین، یک گام بنیادی و ضروری است. بدون دانستن هویت هر بازیکن، تحلیل‌های سطح بالاتر مانند ردیابی عملکرد فردی، ارزیابی تاکتیک‌های تیمی، یا شناسایی خودکار رویدادهای کلیدی بازی (مانند گل، پاس گل یا خطا) تقریباً غیرممکن خواهد بود.

ورزش هاکی روی یخ به دلیل سرعت بسیار بالا، برخوردهای فیزیکی مکرر، پوشیده شدن بازیکنان توسط یکدیگر (occlusion) و تغییرات مداوم زاویه دوربین، یکی از چالش‌برانگیزترین محیط‌ها برای سیستم‌های شناسایی خودکار است. مقاله «شناسایی بازیکنان هاکی روی یخ با ترنسفورمرها و یادگیری با نظارت ضعیف» که در حوزه بینایی کامپیوتر و بازشناسی الگو ارائه شده، یک رویکرد نوآورانه برای حل این مشکل پیچیده معرفی می‌کند. این پژوهش با بهره‌گیری از معماری پیشرفته ترنسفورمر (Transformer) و تکنیک‌های هوشمندانه یادگیری ماشین، راهکاری ارائه می‌دهد که نه تنها دقت بالایی دارد، بلکه فرآیند آماده‌سازی داده‌ها را نیز به شکل چشمگیری بهینه می‌کند. اهمیت این مقاله در ترکیب موفقیت‌آمیز سه عنصر کلیدی است: قدرت مدل‌های ترنسفورمر در تحلیل داده‌های متوالی، کارایی یادگیری با نظارت ضعیف و استفاده هوشمندانه از داده‌های جانبی بازی.

این مقاله حاصل تلاش گروهی از پژوهشگران به نام‌های کاناف واتس (Kanav Vats)، ویلیام مک‌نالی (William McNally)، پاسکال والترز (Pascale Walters)، دیوید کلاسی (David A. Clausi) و جان زلک (John S. Zelek) است. این پژوهش در حوزه تخصصی بینایی کامپیوتر و بازشناسی الگو (Computer Vision and Pattern Recognition) قرار می‌گیرد. این شاخه از هوش مصنوعی بر توسعه الگوریتم‌هایی تمرکز دارد که به کامپیوترها امکان «دیدن» و تفسیر اطلاعات بصری از دنیای واقعی، مانند تصاویر و ویدئوها را می‌دهد.

تحلیل ورزش (Sports Analytics) به عنوان یک زیرشاخه محبوب و کاربردی در بینایی کامپیوتر، به سرعت در حال رشد است. پژوهشگران در این حوزه تلاش می‌کنند تا با استفاده از ویدئوهای مسابقات، داده‌های آماری و تحلیلی دقیقی استخراج کنند که پیش از این تنها با دخالت انسان و صرف زمان بسیار زیاد ممکن بود. این مقاله نمونه‌ای برجسته از کاربرد جدیدترین دستاوردهای یادگیری عمیق برای حل یک مسئله واقعی و چالش‌برانگیز در دنیای ورزش حرفه‌ای است.

هدف اصلی این پژوهش، توسعه یک سیستم خودکار برای شناسایی بازیکنان هاکی در ویدئوهای پخش تلویزیونی لیگ ملی هاکی (NHL) از طریق تشخیص شماره پیراهن آن‌هاست. نویسندگان برای این منظور، یک شبکه عصبی مبتنی بر معماری ترنسفورمر را معرفی می‌کنند. این مدل، توالی فریم‌های ویدئویی از یک بازیکن خاص (که tracklet یا «مسیرک» نامیده می‌شود) را به عنوان ورودی دریافت کرده و در خروجی، احتمال مربوط به هر شماره پیراهن را محاسبه می‌کند.

نوآوری اصلی مقاله در دو بخش کلیدی نهفته است. اول، استفاده از روش یادگیری با نظارت ضعیف (Weakly-Supervised Learning). برچسب‌گذاری دقیق شماره پیراهن در تک‌تک فریم‌های ویدئویی یک فرآیند بسیار زمان‌بر و پرهزینه است. محققان به جای این کار، برچسب‌های تقریبی در سطح فریم تولید کرده و از آن‌ها برای آموزش سریع‌تر و کارآمدتر مدل استفاده می‌کنند. دوم، ادغام هوشمندانه داده‌های رسمی بازی. با استفاده از فناوری تشخیص نوری کاراکتر (OCR)، ساعت بازی که روی صفحه تلویزیون نمایش داده می‌شود، خوانده شده و با داده‌های رسمی NHL که لیست بازیکنان حاضر در زمین در هر لحظه از بازی را مشخص می‌کند (Player Shifts)، همگام‌سازی می‌شود. این اطلاعات اضافی به مدل کمک می‌کند تا دایره جستجوی خود را محدود کرده و خطاهای احتمالی را تصحیح کند. نتایج نشان می‌دهد که این رویکرد ترکیبی، عملکرد بهتری نسبت به روش‌های پیشین داشته و استفاده از داده‌های شیفت بازیکنان، دقت شناسایی را به میزان قابل توجهی افزایش داده است.

متدولوژی این پژوهش بر سه پایه استوار است که در ادامه به تفصیل شرح داده می‌شوند:

• معماری شبکه ترنسفورمر: ترنسفورمرها که ابتدا در حوزه پردازش زبان طبیعی (NLP) به شهرت رسیدند، به دلیل مکانیزم قدرتمند «توجه» (Attention Mechanism)، به سرعت در بینایی کامپیوتر نیز محبوبیت یافتند. در این تحقیق، مدل ترنسفورمر یک توالی از تصاویر یک بازیکن را به عنوان ورودی می‌گیرد. مکانیزم توجه به مدل اجازه می‌دهد تا به صورت خودکار به فریم‌هایی که در آن‌ها شماره پیراهن واضح‌تر و خواناتر است، «توجه» بیشتری کند و از اطلاعات فریم‌های تار، مبهم یا پوشیده شده، صرف‌نظر نماید. این قابلیت برای تحلیل ویدئوهای پرتحرک هاکی که کیفیت فریم‌ها دائماً در حال تغییر است، بسیار حیاتی است.
• یادگیری با نظارت ضعیف: چالش اصلی در بسیاری از پروژه‌های یادگیری عمیق، تأمین داده‌های برچسب‌گذاری شده است. در این مسئله، برچسب‌گذاری دستی شماره بازیکن در هزاران فریم ویدئویی عملاً غیرممکن است. نویسندگان با استفاده از یک رویکرد نظارت ضعیف، این مانع را برطرف می‌کنند. در این روش، به جای برچسب‌گذاری دقیق فریم به فریم، از برچسب‌های کلی‌تر (مثلاً دانستن اینکه یک بازیکن در یک کلیپ ۱۰ ثانیه‌ای حضور دارد) برای تولید برچسب‌های تقریبی برای هر فریم استفاده می‌شود. این استراتژی، ضمن حفظ دقت قابل قبول، هزینه و زمان آماده‌سازی داده را به شدت کاهش می‌دهد.
• ادغام داده‌های بازی با OCR: این هوشمندانه‌ترین بخش روش‌شناسی است. داده‌های رسمی NHL Play-by-Play منبع اطلاعاتی ارزشمندی هستند که مشخص می‌کنند کدام بازیکنان در هر ثانیه از بازی روی یخ حضور دارند. برای اتصال این داده‌های متنی به فریم‌های ویدئویی، محققان یک ماژول OCR توسعه داده‌اند که ساعت دیجیتال روی صفحه نمایش را می‌خواند. با تطبیق زمان ویدئو و زمان ثبت‌شده در داده‌های رسمی، سیستم می‌تواند لیستی از بازیکنان محتمل در هر صحنه را استخراج کند. این لیست به عنوان یک فیلتر قدرتمند عمل می‌کند و به مدل کمک می‌کند تا بین چند گزینه محتمل، انتخاب دقیق‌تری داشته باشد. برای مثال، اگر مدل با احتمال بالا شماره «۸۷» را تشخیص دهد، اما داده‌های بازی نشان دهند که سیدنی کرازبی (بازیکن شماره ۸۷) در آن لحظه روی نیمکت است، سیستم می‌تواند پیش‌بینی خود را اصلاح کند.

این پژوهش به نتایج مهم و قابل توجهی دست یافته است که مسیر را برای نسل جدیدی از سیستم‌های تحلیل ورزشی هموار می‌کند:

• دستیابی به عملکرد پیشرفته (State-of-the-Art): مدل مبتنی بر ترنسفورمر توانست در مجموعه داده مورد استفاده، از روش‌های معیار قبلی عملکرد بهتری ثبت کند. این امر نشان‌دهنده برتری معماری ترنسفورمر در درک اطلاعات زمانی و مکانی در ویدئوهای ورزشی است.
• تأثیر چشمگیر داده‌های جانبی: مهم‌ترین یافته عددی مقاله این است که استفاده از داده‌های شیفت بازیکنان (Player Shifts) که از طریق OCR با ویدئو همگام‌سازی شده بود، دقت شناسایی را به میزان ۶ درصد افزایش داد. این افزایش، یک جهش معنادار در این حوزه محسوب می‌شود و ارزش ترکیب منابع داده مختلف را به خوبی نشان می‌دهد.
• اثبات کارایی نظارت ضعیف: این تحقیق نشان داد که می‌توان با استفاده از روش‌های یادگیری با نظارت ضعیف، به دقت بالایی دست یافت، بدون آنکه نیاز به برچسب‌گذاری دستی و پرهزینه تمام داده‌ها باشد. این یافته برای کاربردی کردن سیستم‌های هوش مصنوعی در مقیاس بزرگ بسیار حائز اهمیت است.
• برتری تحلیل مبتنی بر توالی: رویکرد این مقاله که به جای یک فریم، یک توالی از فریم‌ها (tracklet) را تحلیل می‌کند، نشان داد که اطلاعات زمانی برای حل مشکلاتی مانند تاری حرکت و پوشیدگی بسیار مفید است.

دستاوردهای این تحقیق کاربردهای گسترده‌ای در صنعت ورزش و رسانه دارد:

• تحلیل پیشرفته عملکرد بازیکنان: مربیان و تحلیل‌گران می‌توانند به صورت خودکار معیارهای دقیقی مانند «زمان حضور در یخ» (Time on Ice)، الگوهای حرکتی، سرعت متوسط، و میزان درگیری در موقعیت‌های کلیدی را برای هر بازیکن استخراج کنند.
• غنی‌سازی پخش تلویزیونی: شبکه‌های تلویزیونی می‌توانند از این فناوری برای نمایش آمار لحظه‌ای بازیکنان، ایجاد گرافیک‌های جذاب و تولید خودکار بسته‌های ویدئویی از بهترین لحظات یک بازیکن خاص در طول مسابقه استفاده کنند.
• استعدادیابی و توسعه بازیکنان: تیم‌ها می‌توانند با تحلیل حجم عظیمی از ویدئوها، عملکرد بازیکنان جوان را در لیگ‌های مختلف زیر نظر گرفته و استعدادهای جدید را شناسایی کنند.
• شناسایی خودکار رویدادها: همانطور که در مقاله ذکر شده، شناسایی هویت بازیکنان یک پیش‌نیاز برای وظایف سطح بالاتر است. با دانستن اینکه چه کسانی در یک صحنه حضور دارند، می‌توان سیستم‌هایی برای تشخیص خودکار گل، پاس گل، خطاهای تیمی و آرایش‌های تاکتیکی طراحی کرد.
• تعمیم به سایر ورزش‌ها: اگرچه این پژوهش بر هاکی روی یخ متمرکز است، اما روش‌شناسی آن (استفاده از ترنسفورمر، نظارت ضعیف و ادغام داده‌های جانبی) قابلیت تعمیم به سایر ورزش‌های تیمی مانند فوتبال، بسکتبال و فوتبال آمریکایی را نیز دارد.

مقاله «شناسایی بازیکنان هاکی روی یخ با ترنسفورمرها و یادگیری با نظارت ضعیف» یک گام مهم رو به جلو در زمینه تحلیل خودکار ورزش به شمار می‌رود. این پژوهش با موفقیت نشان داد که چگونه می‌توان با ترکیب معماری‌های نوین یادگیری عمیق مانند ترنسفورمر، رویکردهای هوشمندانه برای کاهش هزینه برچسب‌گذاری داده‌ها و استفاده خلاقانه از منابع اطلاعاتی خارجی، یک مسئله پیچیده در دنیای واقعی را حل کرد. این کار نه تنها یک راهکار عملی برای شناسایی بازیکنان هاکی ارائه می‌دهد، بلکه الگویی برای طراحی سیستم‌های تحلیل هوشمند در سایر رشته‌های ورزشی نیز فراهم می‌کند. آینده تحلیل ورزشی به طور فزاینده‌ای به چنین سیستم‌های خودکار و دقیقی وابسته خواهد بود و این مقاله نقشی کلیدی در ترسیم این آینده ایفا می‌کند.