Andrei Boiarov, Dmitry Bleklov, Pavlo Bredikhin, Nikita Koritsky, Sergey Ulasen. Dans le cadre de l’atelier International Sports Analytics Conference and Exhibition (ISACE) 2023.
Cet article présente Race Lens, une nouvelle application utilisant des modèles avancés d’apprentissage profond et de vision par ordinateur pour une analyse complète des photos de course.
Les modèles développés ont démontré leur efficacité dans un large éventail de tâches, notamment la détection de voitures de course, la reconnaissance des numéros de voiture, la détection et la quantification des détails des voitures et la reconnaissance des orientations des voitures. Nous discutons du processus de collecte d'un ensemble de données robuste nécessaire à la formation de nos modèles et décrivons une approche que nous avons conçue pour augmenter et améliorer continuellement cet ensemble de données. Notre méthode exploite une boucle de rétroaction pour une amélioration continue du modèle, améliorant ainsi les performances et la précision de Race Lens au fil du temps.
Une partie importante de notre étude est consacrée à illustrer l’application pratique de Race Lens, en se concentrant sur son déploiement réussi par les équipes NASCAR sur quatre saisons. Nous fournissons une évaluation complète des performances de notre système et de son impact direct sur les décisions stratégiques et les mesures de performance de l'équipe.
Les résultats soulignent le potentiel transformateur de l’intelligence artificielle dans le monde compétitif et dynamique de la course automobile, créant ainsi un précédent pour les applications futures.