[ Glosario ][ 38 términos ]

Glosario

38 de 38 términos

  • ATD (Automatic Tracking Data)

    tracking automático de Metrica: posición y velocidad de cada objeto que ve, incluido el balón, sin identidad de jugador. Tiene huecos y cambios de identidad.

    paso 1

  • Baseline

    solución de referencia del reto: jugador más cercano al balón y voto mayoritario en una ventana de 50 fotogramas; 0.2433 de spellF1. Es el suelo que hay que superar.

    problemapaso 2

    [ Simulación ]Cuando falta el balón

  • Calibración

    ajuste para que las probabilidades de un modelo reflejen su frecuencia real de acierto.

    paso 6

  • Change-point (punto de cambio)

    instante en que una señal cambia de comportamiento; sirve para cortar el partido en segmentos antes de clasificarlos. Es una alternativa al HMM y no la usamos de entrada.

    paso 5

  • Determinismo / reproducibilidad

    correr el código dos veces con los mismos datos produce el mismo archivo, byte a byte. El reto lo exige.

    paso 6

  • Duración mínima

    restricción que obliga a que un estado dure un número mínimo de fotogramas.

    paso 5

    [ Simulación ]El camino de Viterbi

  • Emisión

    en un HMM, la verosimilitud de lo observado en un fotograma si el estado oculto fuera uno u otro.

    paso 5

    [ Simulación ]El camino de Viterbi

  • Estado

    en un HMM, cada valor posible de la etiqueta oculta (H, A, D, o variantes más finas).

    paso 5

    [ Simulación ]El camino de Viterbi

  • Feature

    una variable numérica calculada por fotograma que describe la situación, como la distancia del jugador más cercano al balón.

    paso 6

  • Fotograma

    cada imagen del vídeo; es la unidad que se etiqueta. Son 199.319.

    problema

  • fps

    fotogramas por segundo; aquí, 25.

    problema

  • F1, precisión y recall

    precisión es qué parte de lo que predijimos es correcta; recall es qué parte de lo real encontramos; F1 es su media armónica, que se hunde si una de las dos es baja.

    problema

    [ Simulación ]Un fotograma contra una posesión

  • GBM (LightGBM, XGBoost)

    modelo de muchos árboles de decisión pequeños encadenados; bueno con datos en tabla.

    paso 6

  • Ground truth

    la respuesta correcta; sólo tenemos la de los 5 minutos públicos.

    problemapaso 4

  • H / A / D / X

    las cuatro etiquetas posibles: posesión local, visitante, balón muerto o disputado, abstención.

    problemapaso 7

    [ Simulación ]Un fotograma contra una posesión

  • Histéresis

    exigir más evidencia para cambiar de estado que para mantenerlo, de modo que el ruido no provoque cambios.

    paso 3

    [ Simulación ]Radio, persistencia e histéresis

  • HMM (modelo oculto de Markov)

    modelo con estados no observables, transiciones entre ellos y emisiones; aquí, el estado es quién posee el balón.

    paso 5

    [ Simulación ]El camino de Viterbi

  • HSMM

    HMM en el que además se controla cuánto dura cada estado.

    paso 5

    [ Simulación ]El camino de Viterbi

  • Homografía

    transformación matemática entre las coordenadas de la imagen y las del campo. Viene dada con los datos; no la calculamos.

    paso 1

  • Macro F1

    promedio sin pesos del F1 de H, A y D, medido fotograma a fotograma. Desempata.

    problema

    [ Simulación ]Un fotograma contra una posesión

  • Persistencia de control

    exigir que un jugador mantenga el control del balón durante un mínimo de fotogramas antes de contarlo como poseedor.

    paso 3

    [ Simulación ]Radio, persistencia e histéresis

  • Pitch control

    estimación de qué equipo llegaría antes a cada punto del campo; puede servir como feature cuando el balón es visible.

    paso 6

  • Posesión (spell)

    tramo continuo de H o de A con el balón vivo. Es la unidad que puntúa spellF1.

    problemapaso 7

    [ Simulación ]Un fotograma contra una posesión

  • Pseudo-etiqueta

    etiqueta provisional generada por nuestro propio modelo, con alta confianza, que se usa para reentrenarlo.

    paso 6

  • Balón vivo / muerto

    vivo es en juego; muerto es parado (fuera, falta, saque pendiente). Muerto se etiqueta D.

    problemapaso 3

    [ Simulación ]Cuando falta el balón

  • Semilla

    valor inicial fijo de los generadores de azar, necesario para que dos corridas coincidan.

    paso 6

  • Semi-supervisado

    entrenar con pocos datos etiquetados y muchos sin etiquetar, usando predicciones propias como apoyo.

    paso 6

  • Smart Tagging

    etiquetas automáticas de fases de juego y saques que acompañan al tracking. No es ground truth y tiene errores. Se usa como pista débil.

    paso 3

    [ Simulación ]Fusionar sin borrar posesiones reales

  • Sobreajuste

    ajustar tanto un modelo o un umbral a unos datos que aprende su ruido y falla con datos nuevos.

    paso 4

    [ Simulación ]La ventana que parece mejor

  • spellF1

    métrica principal; empareja posesiones predichas con reales por solapamiento temporal y promedia el F1 para varios umbrales de solapamiento.

    problemapaso 4

    [ Simulación ]Un fotograma contra una posesión

  • Supervisión débil

    usar señales imprecisas (como el Smart Tagging) como indicios, en lugar de etiquetas correctas.

    paso 3paso 6

  • Tracking

    seguimiento automático de jugadores y balón: posiciones y velocidades por fotograma.

    problemapaso 1

  • Transición

    paso de un estado a otro entre fotogramas consecutivos, con su costo. Se pueden prohibir.

    paso 5

    [ Simulación ]El camino de Viterbi

  • Umbral

    valor de corte (distancia, número de fotogramas, segundos) a partir del cual una regla se activa.

    paso 3

    [ Simulación ]Radio, persistencia e histéresis

  • Validación

    medir en datos que no se usaron para ajustar.

    paso 4

    [ Simulación ]La ventana que parece mejor

  • Ventana de suavizado

    cantidad de fotogramas vecinos que se promedian o votan para decidir la etiqueta de uno (50 en el baseline).

    problemapaso 2

    [ Simulación ]La ventana que parece mejor

  • Viterbi

    algoritmo que encuentra el camino de estados más probable dentro de un HMM, de forma exacta.

    paso 5

    [ Simulación ]El camino de Viterbi

  • Voto mayoritario

    elegir la etiqueta más repetida dentro de la ventana.

    problemapaso 2

    [ Simulación ]La ventana que parece mejor