DOI: https://doi.org/10.1038/s41598-026-39084-4
PMID: https://pubmed.ncbi.nlm.nih.gov/41652021
تاريخ النشر: 2026-02-06
المؤلف: Qingya Ouyang وآخرون
الموضوع الرئيسي: طرق المراقبة بالفيديو والتتبع
نظرة عامة
تقدم ورقة البحث DeCon-Net، وهو إطار كشف جديد يهدف إلى معالجة ظاهرة “انهيار الميزات” في تحليل فيديو كرة القدم، حيث تتجمع ميزات الكائنات المماثلة، مثل اللاعبين من نفس الفريق، بشكل مفرط في الفضاء عالي الأبعاد، وتتحلل ميزات كرة القدم إلى ضوضاء خلفية. تعيق هذه المشكلة القدرة التمييزية لطرق الكشف الحالية، خاصة في المشاهد الكثيفة. يتضمن DeCon-Net مكونين مبتكرين: وحدة تعلم الميزات المفصولة (DFLM)، التي تستخدم مشفرات ذات تدفق مزدوج لاستخراج ميزات المظهر والهوية بشكل منفصل، ووحدة القيود التباينية الهرمية (HCCM)، التي تستخدم التعلم التبايني بعتبات ديناميكية لتحسين تمثيل الميزات بشكل تدريجي.
تظهر النتائج التجريبية على مجموعات بيانات SportsMOT وSoccerNet-Tracking أن DeCon-Net يعزز بشكل كبير أداء الكشف، محققًا تحسينًا نسبيًا بنسبة 41% في استرجاع الكشف عن الكرة الصغيرة. يتم التحقق من التعميم القوي للإطار عبر مجموعات البيانات وفعالية آليات فصل الميزات والقيود التكيفية من خلال دراسات إلغاء شاملة. بشكل عام، يبرز هذا العمل أهمية معالجة انهيار الميزات في تحليل كرة القدم الآلي، مما يمهد الطريق لتحسين الكشف عن الكائنات في البيئات الرياضية المعقدة.
مقدمة
تسلط مقدمة ورقة البحث هذه الضوء على الدور الحاسم للكشف الدقيق عن الكائنات في تحليل فيديو كرة القدم، وهو أمر ضروري لتطبيقات مثل تتبع اللاعبين، والتحليل التكتيكي، وتوليد النقاط البارزة. يحدد المؤلفون التحديات الكبيرة التي تواجهها طرق الكشف الحالية، بما في ذلك التشابه البصري العالي بين اللاعبين الذين يرتدون قمصانًا متطابقة، والحجم الصغير لكرة القدم، والمشكلات المتعلقة بالاحتجاب وظروف البث المتغيرة. تؤدي هذه التحديات إلى ظاهرة تُسمى “انهيار الميزات”، حيث تشترك الأهداف المماثلة في تمثيلات غير قابلة للتمييز، مما يؤدي إلى انخفاض مقاييس أداء الكشف، خاصة للأهداف الصغيرة مثل كرة القدم.
لمعالجة هذه التحديات، يقترح المؤلفون DeCon-Net، وهو إطار جديد يعزز أداء الكشف من خلال تحليل فضاء الميزات والتعلم التبايني التدريجي. يتكون DeCon-Net من مكونين رئيسيين: وحدة تعلم الميزات المفصولة (DFLM)، التي تفصل تمثيلات الميزات المختلطة إلى فضاءات مشتركة وتمييزية، ووحدة القيود التباينية الهرمية (HCCM)، التي تنفذ استراتيجية تعلم تدريجية من ثلاثة مستويات لتحسين تمييز الميزات. تفيد الورقة بتجارب واسعة تظهر أن DeCon-Net يتفوق بشكل كبير على الطرق الحالية من حيث متوسط الدقة (mAP) وكشف الأهداف الصغيرة، محققًا تحسينات ملحوظة في السيناريوهات الصعبة. تشير النتائج إلى أن الإطار المقترح لا يعالج فقط قيود أنظمة الكشف الحالية ولكنه يتعمم أيضًا بشكل جيد عبر رياضات مختلفة، مما يدل على قابليته الأوسع للتطبيق في تحليلات الرياضة.
طرق
في هذا القسم، يستكشف المؤلفون ظاهرة “انهيار الميزات” في التعلم الذاتي، خاصة في سياق الكشف عن الكائنات في تتبع الرياضات. يعرفون انهيار الميزات بأنه حالة حيث تظهر المدخلات، وخاصة اللاعبين من نفس الفريق، تشابهًا عاليًا على مستوى الحالة، يتم قياسه بواسطة تشابه جيب التمام يبلغ حوالي 0.85. يؤدي هذا التشابه العالي إلى مشكلات عملية في الكشف، مثل دمج صناديق الحدود وفقدان الكشف، مما دفع المؤلفين إلى اعتماد مصطلح “انهيار الميزات” في تحليلهم. أجروا تجارب على مجموعة بيانات SoccerNet-Tracking باستخدام ثلاث طرق: خط الأساس (Faster R-CNN + ResNet-50)، شبكة هرمية للميزات (FPN) بميزات متعددة المقاييس، ونهج تعلم تبايني يسمى DetCo.
تكشف النتائج أن طريقة خط الأساس تظهر انهيار ميزات كبير، مع درجة تشابه تبلغ 0.847، مقارنةً بدرجة DeCon-Net البالغة 0.512. يؤدي هذا الانهيار إلى فشلين رئيسيين في الكشف: تدهور الأداء في المشاهد الكثيفة، حيث تتسبب الميزات المماثلة في أن يتم كبت الكشف الصحيح بشكل خاطئ بواسطة كبت غير أقصى (NMS)، والتحديات في الكشف عن الأهداف الصغيرة، مثل كرات القدم، التي تُظلل بواسطة استجابات اللاعبين الأقوى. يحقق خط الأساس فقط 65.2% من متوسط الدقة (mAP) ومعدل فقدان يبلغ 18.3%، بينما يكون استرجاع الأهداف الصغيرة منخفضًا يصل إلى 42.1%. في المقابل، يفصل DeCon-Net الميزات بشكل فعال من خلال فصل انتماء الفريق عن الخصائص الفردية، مما يؤدي إلى تحسين دقة الكشف والتحديد. على الرغم من أن FPN وDetCo يظهران بعض التحسينات، إلا أنهما لا يحلان بشكل أساسي مشكلة تمييز الميزات، مما يبرز ضرورة تصميم DeCon-Net لتعزيز الكشف عن الأهداف الفردية في المشاهد المعقدة.
نقاش
في هذا القسم، يناقش المؤلفون التقدم والتحديات في الكشف عن الكائنات داخل مشاهد الرياضة، مع التركيز على الانتقال من الطرق التقليدية إلى أساليب التعلم العميق. يبرزون قيود التقنيات الحالية، مثل الارتباك في الهوية بين اللاعبين من نفس الفريق وتمثيل الميزات غير الكافي للأهداف الصغيرة. يقترح المؤلفون طريقتهم، DeCon-Net، التي تتضمن وحدة تعلم الميزات المفصولة (DFLM) ووحدة القيود التباينية الهرمية (HCCM) لتعزيز تعلم الميزات التمييزية. تظهر التجارب الواسعة على مجموعات بيانات SportsMOT وSoccerNet-Tracking أن DeCon-Net يتفوق بشكل كبير على الطرق الحديثة، محققًا أداءً متفوقًا في التتبع.
يحدد المؤلفون ثلاث فجوات حاسمة في المنهجيات الحالية: ميل الكاشفات التقليدية لإنتاج تمثيلات مشابهة للاعبين من نفس الفريق، ونقص التصاميم المدركة للكشف في طرق الفصل، والغموض في تصنيف العينات أثناء التعلم التبايني في المشاهد الكثيفة. لمعالجة هذه القضايا، يفصل DeCon-Net الميزات المشتركة والفردية مع الحفاظ على التحديد المكاني ويستخدم HCCM لضبط شدة التعلم التبايني ديناميكيًا بناءً على صعوبة العينة. تشير النتائج إلى أن الإطار المقترح لا يحسن فقط دقة الكشف ولكنه يعزز أيضًا قوة النموذج ضد تحولات المجال، مما يجعله مساهمة قيمة في مجال تحليل فيديو الرياضة.
القيود
تسلط قسم القيود الضوء على التحديات المرتبطة بهندسة DeCon-Net، وخاصة إطار العمل ذو التدفق المزدوج (DFLM) والتدريب التبايني (HCCM)، مما يؤدي إلى زيادة المتطلبات الحاسوبية. بشكل محدد، يظهر DeCon-Net زيادة بنسبة 23% في المعلمات، وارتفاعًا بنسبة 18% في العمليات العائمة في الثانية (FLOPs)، ويتطلب حوالي 1.2 جيجابايت من ذاكرة التدريب أكثر مقارنةً بـ DETR الأساسي. على الرغم من أن هذه التكاليف تؤدي إلى تحسينات كبيرة في الدقة، فإن نشر الهندسة على أجهزة الحافة ذات الموارد المحدودة يمثل تحديًا، على الرغم من أنه يمكن حذف وحدة HCCM أثناء الاستدلال، مما يسمح بسرعة معالجة تبلغ 38.9 إطارًا في الثانية (FPS).
لمعالجة هذه القيود، يحدد المؤلفون خارطة طريق للعمل المستقبلي الذي يركز على تعزيز الكفاءة. تشمل الاستراتيجيات المقترحة تطبيق تقنيات تقطير المعرفة لنقل الميزات التمييزية من DFLM ذو التدفق المزدوج إلى شبكة طالب ذات تدفق مفرد أكثر تكثيفًا، وتنفيذ تقليم هيكلي للقضاء على القنوات الزائدة مع الحفاظ على قابلية فصل الميزات، والتحقيق في تقنيات التكميم لتقليل البصمة الذاكرية بشكل أكبر لتطبيقات الهاتف المحمول.
DOI: https://doi.org/10.1038/s41598-026-39084-4
PMID: https://pubmed.ncbi.nlm.nih.gov/41652021
Publication Date: 2026-02-06
Author(s): Qingya Ouyang et al.
Primary Topic: Video Surveillance and Tracking Methods
Overview
The research paper introduces DeCon-Net, a novel detection framework aimed at addressing the “feature collapse” phenomenon in soccer video analysis, where features of similar objects, such as players from the same team, cluster excessively in high-dimensional space, and the soccer ball features degrade to background noise. This issue hampers the discriminative capability of existing detection methods, particularly in dense scenes. DeCon-Net incorporates two innovative components: the Decoupled Feature Learning Module (DFLM), which utilizes dual-stream encoders to separately extract appearance and identity features, and the Hierarchical Contrastive Constraint Module (HCCM), which employs dynamic threshold contrastive learning to progressively optimize feature representation.
Experimental results on the SportsMOT and SoccerNet-Tracking datasets demonstrate that DeCon-Net significantly enhances detection performance, achieving a 41% relative improvement in small ball detection recall. The framework’s robust cross-dataset generalization and the effectiveness of its feature decoupling and adaptive constraint mechanisms are validated through comprehensive ablation studies. Overall, this work highlights the importance of addressing feature collapse in automated soccer analysis, paving the way for improved object detection in complex sports environments.
Introduction
The introduction of this research paper highlights the critical role of accurate object detection in soccer video analysis, which is essential for applications such as player tracking, tactical analysis, and highlight generation. The authors identify significant challenges faced by existing detection methods, including high visual similarity among players wearing identical jerseys, the small size of the soccer ball, and issues related to occlusion and varying broadcast conditions. These challenges lead to a phenomenon termed “feature collapse,” where similar targets share indistinguishable representations, resulting in low detection performance metrics, particularly for small targets like the soccer ball.
To address these challenges, the authors propose DeCon-Net, a novel framework that enhances detection performance through feature space decomposition and progressive contrastive learning. DeCon-Net comprises two main components: the Decoupled Feature Learning Module (DFLM), which separates mixed feature representations into shared and discriminative subspaces, and the Hierarchical Contrastive Constraint Module (HCCM), which implements a three-level progressive learning strategy to improve feature discrimination. The paper reports extensive experiments demonstrating that DeCon-Net significantly outperforms existing methods in terms of mean Average Precision (mAP) and small target detection, achieving notable improvements in challenging scenarios. The findings suggest that the proposed framework not only addresses the limitations of current detection systems but also generalizes well across different sports, indicating its broader applicability in sports analytics.
Methods
In this section, the authors investigate the phenomenon of “feature collapse” in self-supervised learning, specifically within the context of object detection in sports tracking. They define feature collapse as a state where inputs, particularly same-team players, exhibit high instance-level similarity, quantified by a cosine similarity of approximately 0.85. This high similarity results in practical detection issues, such as merged bounding boxes and missed detections, prompting the authors to adopt the term “feature collapse” for their analysis. They conducted experiments on the SoccerNet-Tracking dataset using three methods: a Baseline (Faster R-CNN + ResNet-50), a Feature Pyramid Network (FPN) with multi-scale features, and a contrastive learning approach called DetCo.
The results reveal that the Baseline method demonstrates significant feature collapse, with a similarity score of 0.847, compared to DeCon-Net’s score of 0.512. This collapse leads to two primary detection failures: degraded performance in dense scenes, where similar features cause non-maximum suppression (NMS) to erroneously suppress correct detections, and challenges in detecting small targets, such as soccer balls, which are overshadowed by stronger player responses. The Baseline achieves only 65.2% mean Average Precision (mAP) and a 18.3% miss rate, while small target recall is as low as 42.1%. In contrast, DeCon-Net effectively separates features by decoupling team affiliation from individual characteristics, resulting in improved detection accuracy and localization. Although FPN and DetCo show some improvements, they do not fundamentally resolve the issue of feature discrimination, highlighting the necessity for the design of DeCon-Net to enhance individual target detection in complex scenes.
Discussion
In this section, the authors discuss the advancements and challenges in object detection within sports scenes, emphasizing the transition from traditional methods to deep learning approaches. They highlight the limitations of existing techniques, such as identity confusion among players of the same team and inadequate feature representation for small targets. The authors propose their method, DeCon-Net, which incorporates a Decoupled Feature Learning Module (DFLM) and a Hierarchical Contrastive Constraint Module (HCCM) to enhance discriminative feature learning. Extensive experiments on the SportsMOT and SoccerNet-Tracking datasets demonstrate that DeCon-Net significantly outperforms state-of-the-art methods, achieving superior tracking performance.
The authors identify three critical gaps in current methodologies: the tendency of conventional detectors to produce similar representations for same-team players, the lack of detection-aware designs in disentanglement methods, and the ambiguity in sample classification during contrastive learning in dense scenes. To address these issues, DeCon-Net separates shared and individual-specific features while preserving spatial localization and employs HCCM to dynamically adjust contrastive learning intensity based on sample difficulty. The results indicate that the proposed framework not only improves detection accuracy but also enhances the model’s robustness against domain shifts, making it a valuable contribution to the field of sports video analysis.
Limitations
The section on limitations highlights the challenges associated with the DeCon-Net architecture, particularly its dual-stream framework (DFLM) and contrastive training (HCCM), which result in increased computational demands. Specifically, DeCon-Net exhibits a 23% increase in parameters, an 18% rise in floating-point operations per second (FLOPs), and requires approximately 1.2GB more training memory compared to the baseline DETR. Despite these costs leading to significant accuracy improvements, the architecture’s deployment on resource-constrained edge devices poses a challenge, although the HCCM module can be omitted during inference, allowing for a processing speed of 38.9 frames per second (FPS).
To address these limitations, the authors outline a roadmap for future work focused on enhancing efficiency. Proposed strategies include the application of knowledge distillation to transfer discriminative features from the dual-stream DFLM to a more compact single-stream student network, implementing structured pruning to eliminate redundant channels while maintaining feature separability, and investigating quantization techniques to further minimize the memory footprint for mobile applications.