پی جی اے ٹور کے ساتھ کلاؤڈ میں بال پوزیشن سے باخبر رہنا | ایمیزون ویب سروسز

PGA ٹور ریئل ٹائم ڈیٹا کے ساتھ گولف کے تجربے کو بڑھاتا رہتا ہے جو شائقین کو گیم کے قریب لاتا ہے۔ اس سے بھی زیادہ بھرپور تجربات فراہم کرنے کے لیے، وہ اگلی نسل کے بال پوزیشن ٹریکنگ سسٹم کی ترقی پر عمل پیرا ہیں جو سبز پر گیند کی پوزیشن کو خود بخود ٹریک کرتا ہے۔

ٹور فی الحال CDW کے ذریعے طاقت یافتہ ShotLink کا استعمال کرتا ہے، ایک پریمیئر اسکورنگ سسٹم جو کہ سائٹ پر کمپیوٹ کے ساتھ ایک پیچیدہ کیمرہ سسٹم کا استعمال کرتا ہے، تاکہ ہر شاٹ کے آغاز اور اختتام کی پوزیشن کو قریب سے ٹریک کیا جا سکے۔ ٹور کمپیوٹر ویژن اور مشین لرننگ (ML) تکنیکوں کو تلاش کرنا چاہتا تھا تاکہ اگلی نسل کی کلاؤڈ بیسڈ پائپ لائن تیار کی جا سکے تاکہ پوٹنگ گرین پر گولف بالز کو تلاش کیا جا سکے۔

ایمیزون جنریٹیو اے آئی انوویشن سینٹر (جی اے آئی آئی سی) نے حالیہ پی جی اے ٹور ایونٹ سے ڈیٹا سیٹ کی مثال میں ان تکنیکوں کی تاثیر کا مظاہرہ کیا۔ GAIIC نے ایک ماڈیولر پائپ لائن ڈیزائن کی ہے جس میں گہرے convolutional عصبی نیٹ ورکس کی ایک سیریز کاسکیڈنگ کی گئی ہے جو کھلاڑیوں کو کیمرے کے فیلڈ آف ویو میں کامیابی کے ساتھ مقامی بناتی ہے، اس بات کا تعین کرتی ہے کہ کون سا کھلاڑی لگا رہا ہے، اور کپ کی طرف بڑھتے ہی گیند کو ٹریک کرتا ہے۔

اس پوسٹ میں، ہم اس پائپ لائن کی ترقی، خام ڈیٹا، پائپ لائن پر مشتمل کنوولوشنل نیورل نیٹ ورکس کے ڈیزائن، اور اس کی کارکردگی کا جائزہ بیان کرتے ہیں۔

ڈیٹا

ٹور نے حالیہ ٹورنامنٹ سے 3 دن کی مسلسل ویڈیو فراہم کی ہے جو ایک سوراخ پر سبز کے ارد گرد لگائے گئے تین 4K کیمروں سے ہے۔ مندرجہ ذیل تصویر ایک کیمرے سے ایک فریم کو کراپ اور زوم دکھاتی ہے تاکہ پلیئر ڈالنا آسانی سے نظر آئے۔ نوٹ کریں کہ کیمروں کے ہائی ریزولوشن کے باوجود، سبز رنگ سے دوری کی وجہ سے، گیند چھوٹی دکھائی دیتی ہے (عام طور پر 3×3، 4×4 یا 5×5 پکسلز)، اور اس سائز کے اہداف کو درست طریقے سے مقامی بنانا مشکل ہو سکتا ہے۔

کیمرہ فیڈز کے علاوہ، ٹور نے GAIIC کو ہر شاٹ پر تشریح شدہ اسکورنگ ڈیٹا فراہم کیا، بشمول اس کی آرام کی پوزیشن کا عالمی مقام اور ٹائم اسٹیمپ۔ اس سے سبز پر ہر پٹ کے تصورات کے ساتھ ساتھ پلیئرز ڈالنے والے تمام ویڈیو کلپس کو کھینچنے کی صلاحیت کی اجازت دی گئی، جن پر دستی طور پر لیبل لگایا جا سکتا ہے اور پائپ لائن بنانے والے ڈیٹیکشن ماڈلز کو تربیت دینے کے لیے استعمال کیا جا سکتا ہے۔ مندرجہ ذیل اعداد و شمار تین کیمروں کے نظارے دکھاتے ہیں جس میں لگ بھگ پٹ پاتھ اوورلیز ہیں، اوپر بائیں سے گھڑی کی سمت میں۔ پن کو ہر روز منتقل کیا جاتا ہے، جہاں دن 1 نیلے، دن 2 سرخ، اور دن 3 نارنجی سے ملتا ہے۔

پائپ لائن کا جائزہ

مجموعی نظام ٹریننگ پائپ لائن اور انفرنس پائپ لائن دونوں پر مشتمل ہے۔ مندرجہ ذیل خاکہ ٹریننگ پائپ لائن کے فن تعمیر کو واضح کرتا ہے۔ نقطہ آغاز ویڈیو ڈیٹا کا ادخال ہے، یا تو اسٹریمنگ ماڈیول جیسے ایمیزون کنیسیس براہ راست میں لائیو ویڈیو یا پلیسمنٹ کے لیے ایمیزون سادہ اسٹوریج سروس (ایمیزون S3) تاریخی ویڈیو کے لیے۔ ٹریننگ پائپ لائن کے لیے ویڈیو پری پروسیسنگ اور تصاویر کی ہینڈ لیبلنگ کی ضرورت ہوتی ہے۔ ایمیزون سیج میکر گراؤنڈ ٹروتھ. ماڈلز کے ساتھ تربیت دی جا سکتی ہے۔ ایمیزون سیج میکر اور ان کے نمونے Amazon S3 کے ساتھ محفوظ ہیں۔

انفرنس پائپ لائن، جو مندرجہ ذیل خاکہ میں دکھائی گئی ہے، متعدد ماڈیولز پر مشتمل ہے جو یکے بعد دیگرے خام ویڈیو سے معلومات نکالتے ہیں اور بالآخر باقی بال کے عالمی نقاط کی پیش گوئی کرتے ہیں۔ ابتدائی طور پر، ہر کیمرہ سے سبز رنگ کو وسیع تر منظر نامے سے کاٹا جاتا ہے، تاکہ پکسل ایریا کو کم کیا جا سکے جس میں ماڈلز کو کھلاڑیوں اور گیندوں کو تلاش کرنا چاہیے۔ اس کے بعد، ایک ڈیپ کنوولیشنل نیورل نیٹ ورک (CNN) کو منظر کے میدان میں لوگوں کے مقامات کا پتہ لگانے کے لیے استعمال کیا جاتا ہے۔ ایک اور CNN کا استعمال اس بات کا اندازہ لگانے کے لیے کیا جاتا ہے کہ کس قسم کا شخص پایا گیا ہے تاکہ یہ معلوم کیا جا سکے کہ آیا کوئی پوٹ کرنے والا ہے۔ ممکنہ طور پر پٹر کو منظر کے میدان میں مقامی کرنے کے بعد، اسی نیٹ ورک کو پٹر کے قریب گیند کے مقام کی پیشن گوئی کرنے کے لیے استعمال کیا جاتا ہے۔ ایک تیسرا CNN اس کی حرکت کے دوران گیند کو ٹریک کرتا ہے، اور آخر میں، کیمرہ پکسل کی پوزیشن سے GPS کوآرڈینیٹ تک تبدیلی کا فنکشن لاگو ہوتا ہے۔

پلیئر کا پتہ لگانا

اگرچہ ایک مقررہ وقفہ پر پورے 4K فریم پر گیند کا پتہ لگانے کے لیے CNN چلانا ممکن ہو گا، لیکن کیمرے کے ان فاصلوں پر گیند کے کونیی سائز کو دیکھتے ہوئے، کوئی بھی چھوٹی سفید چیز پتہ لگانے کو متحرک کرتی ہے، جس کے نتیجے میں بہت سے غلط الارم ہوتے ہیں۔ گیند کے لیے تصویر کے پورے فریم کو تلاش کرنے سے بچنے کے لیے، کھلاڑی کے پوز اور گیند کے مقام کے درمیان ارتباط کا فائدہ اٹھانا ممکن ہے۔ ایک گیند جو ڈالی جانے والی ہے وہ کھلاڑی کے ساتھ ہونی چاہیے، اس لیے کھلاڑیوں کو منظر کے میدان میں ڈھونڈنا پکسل کے اس حصے کو بہت زیادہ محدود کر دے گا جس میں پکڑنے والے کو گیند کو تلاش کرنا چاہیے۔

ہم ایک CNN استعمال کرنے کے قابل تھے جو ایک منظر میں تمام لوگوں کے ارد گرد باؤنڈنگ بکس کی پیش گوئی کرنے کے لیے پہلے سے تربیت یافتہ تھا، جیسا کہ مندرجہ ذیل تصویر میں دکھایا گیا ہے۔ بدقسمتی سے، سبز رنگ پر اکثر ایک سے زیادہ گیند ہوتی ہے، اس لیے تمام لوگوں کو تلاش کرنے اور گیند کی تلاش کے علاوہ مزید منطق کی ضرورت ہوتی ہے۔ اس کے لیے اس کھلاڑی کو تلاش کرنے کے لیے ایک اور CNN کی ضرورت ہے جو فی الحال ڈال رہا تھا۔

کھلاڑی کی درجہ بندی اور گیند کا پتہ لگانا

گیند کہاں ہو سکتی ہے اس کو مزید کم کرنے کے لیے، ہم نے پہلے سے تربیت یافتہ آبجیکٹ ڈیٹیکشن CNN (YOLO v7) کو سبز رنگ پر تمام لوگوں کی درجہ بندی کرنے کے لیے ٹھیک بنایا ہے۔ اس عمل کا ایک اہم جزو سیج میکر گراؤنڈ ٹروتھ کا استعمال کرتے ہوئے تصاویر کے سیٹ کو دستی طور پر لیبل لگا رہا تھا۔ لیبلز نے CNN کو اعلی درستگی کے ساتھ پلیئر کی درجہ بندی کرنے کی اجازت دی۔ لیبلنگ کے عمل میں، گیند کو پلیئر ڈالنے کے ساتھ ساتھ خاکہ بھی بنایا گیا تھا، اس لیے یہ CNN گیند کا پتہ لگانے کے ساتھ ساتھ پٹ سے پہلے گیند کے گرد ایک ابتدائی باؤنڈنگ باکس کھینچنے اور پوزیشن کی معلومات کو نیچے کی دھارے والی بال ٹریکنگ CNN میں فیڈ کرنے کے قابل تھا۔ .

ہم تصاویر میں موجود اشیاء کی تشریح کے لیے چار مختلف لیبل استعمال کرتے ہیں:

• پلیئر ڈالنا - ایک کلب پکڑنے والا کھلاڑی اور پوٹنگ پوزیشن میں
• کھلاڑی نہ ڈالنا - وہ کھلاڑی جو پوٹنگ پوزیشن میں نہیں ہے (ہو سکتا ہے کہ وہ کلب بھی رکھتا ہو)
• دوسرے شخص - کوئی دوسرا شخص جو کھلاڑی نہیں ہے۔
• گولف کی گیند - گولف کی گیند

مندرجہ ذیل اعداد و شمار سے پتہ چلتا ہے کہ ایک CNN کو سیج میکر گراؤنڈ ٹروتھ کے لیبلز کا استعمال کرتے ہوئے ہر فرد کو منظر نامے میں درجہ بندی کرنے کے لیے ٹھیک بنایا گیا تھا۔ کھلاڑیوں، کیڈیز اور شائقین کی بصری نمائش کی وسیع رینج کی وجہ سے یہ مشکل ہے۔ کسی کھلاڑی کو پوٹنگ کے طور پر درجہ بندی کرنے کے بعد، اس کھلاڑی کے آس پاس کے چھوٹے حصے پر گیند کی کھوج کے لیے ایک CNN فائن ٹیون کا اطلاق کیا گیا۔

گیند کے راستے سے باخبر رہنا

ایک تیسرا CNN، ایک ResNet فن تعمیر جو موشن ٹریکنگ کے لیے پہلے سے تربیت یافتہ تھا، گیند کو لگانے کے بعد اسے ٹریک کرنے کے لیے استعمال کیا جاتا تھا۔ موشن ٹریکنگ ایک اچھی طرح سے تحقیق شدہ مسئلہ ہے، اس لیے اس نیٹ ورک نے اچھی کارکردگی کا مظاہرہ کیا جب پائپ لائن میں مزید ٹھیک ٹیوننگ کے بغیر ضم کیا گیا۔

پائپ لائن آؤٹ پٹ

CNNs کا جھرنا لوگوں کے ارد گرد باؤنڈنگ بکس رکھتا ہے، سبز رنگ پر لوگوں کی درجہ بندی کرتا ہے، گیند کی ابتدائی پوزیشن کا پتہ لگاتا ہے، اور گیند کو حرکت دینے کے بعد ٹریک کرتا ہے۔ مندرجہ ذیل اعداد و شمار پائپ لائن کے لیبل شدہ ویڈیو آؤٹ پٹ کو دکھاتا ہے۔ جیسے ہی گیند حرکت کرتی ہے اس کی پکسل پوزیشنز کو ٹریک اور ریکارڈ کیا جاتا ہے۔ نوٹ کریں کہ سبز رنگ کے لوگوں کو باؤنڈنگ بکس کے ذریعے ٹریک اور خاکہ بنایا جا رہا ہے۔ نچلے حصے میں پٹر کو "کھلاڑی ڈالنے" کے طور پر صحیح طور پر لیبل کیا گیا ہے اور چلتی ہوئی گیند کو ایک چھوٹے سے نیلے باؤنڈنگ باکس کے ذریعے ٹریک کیا جا رہا ہے اور اس کا خاکہ بنایا جا رہا ہے۔

کارکردگی

پائپ لائن کے اجزاء کی کارکردگی کا اندازہ لگانے کے لیے، ڈیٹا کا لیبل لگانا ضروری ہے۔ اگرچہ ہمیں گیند کی زمینی سچائی کی عالمی پوزیشن فراہم کی گئی تھی، لیکن ہمارے پاس زمینی سچائی کے لیے انٹرمیڈیٹ پوائنٹس نہیں تھے، جیسے گیند کی آخری پکسل پوزیشن یا پلیئر ڈالنے والے پکسل کا مقام۔ لیبلنگ کے کام کے ساتھ جو ہم نے انجام دیا، ہم نے پائپ لائن کے ان انٹرمیڈیٹ آؤٹ پٹ کے لیے زمینی سچائی کا ڈیٹا تیار کیا جو ہمیں کارکردگی کی پیمائش کرنے کی اجازت دیتا ہے۔

کھلاڑی کی درجہ بندی اور گیند کا پتہ لگانے کی درستگی

پلیئر ڈالنے اور گیند کے ابتدائی مقام کا پتہ لگانے کے لیے، ہم نے ڈیٹا سیٹ کا لیبل لگایا اور YOLO v7 CNN ماڈل کو ٹھیک بنایا جیسا کہ پہلے بیان کیا گیا ہے۔ ماڈل نے پچھلے شخص کا پتہ لگانے والے ماڈیول سے آؤٹ پٹ کو چار کلاسوں میں درجہ بندی کیا: ایک کھلاڑی ڈال رہا ہے، ایک کھلاڑی نہیں ڈال رہا ہے، دوسرے لوگ، اور گولف بال، جیسا کہ درج ذیل تصویر میں دکھایا گیا ہے۔

اس ماڈیول کی کارکردگی کا اندازہ کنفیوژن میٹرکس سے کیا جاتا ہے، جو کہ درج ذیل شکل میں دکھایا گیا ہے۔ اخترن خانوں میں موجود اقدار ظاہر کرتی ہیں کہ پیشین گوئی کی گئی کلاس زمینی سچائی کے لیبلز سے کتنی بار اصل کلاس سے مماثل ہے۔ ماڈل میں ہر فرد کے طبقے کے لیے 89% یاد یا بہتر ہے، اور گالف بالز کے لیے 79% یاد ہے (جس کی توقع کی جانی چاہیے کیونکہ ماڈل کو لوگوں کے ساتھ مثالوں پر پہلے سے تربیت دی جاتی ہے لیکن گولف بالز کی مثالوں پر نہیں؛ اس کے ساتھ بہتر کیا جا سکتا ہے۔ ٹریننگ سیٹ میں زیادہ لیبل والی گولف بالز)۔

اگلا مرحلہ بال ٹریکر کو متحرک کرنا ہے۔ چونکہ گیند کا پتہ لگانے کا آؤٹ پٹ ایک اعتماد کا امکان ہے، اس لیے یہ بھی ممکن ہے کہ "ڈیٹیکٹڈ بال" کے لیے حد مقرر کی جائے اور یہ مشاہدہ کیا جائے کہ اس سے نتائج کیسے بدلتے ہیں، جس کا خلاصہ درج ذیل اعداد و شمار میں کیا گیا ہے۔ اس طریقہ کار میں ایک تجارت ہے کیونکہ ایک اونچی حد میں ضروری طور پر کم جھوٹے الارم ہوں گے لیکن گیندوں کی کچھ کم مخصوص مثالوں کو بھی یاد کیا جائے گا۔ ہم نے 20% اور 50% اعتماد کی حدوں کا تجربہ کیا، اور بالترتیب 78% اور 61% پر گیند کا پتہ چلا۔ اس اقدام سے، 20% کی حد بہتر ہے۔ 20% اعتماد کی حد کے لیے تجارت کا خاتمہ ظاہر ہے، کل پتہ لگانے کا 80% اصل میں گیندیں تھیں (20% غلط مثبت)، جب کہ 50% اعتماد کی حد کے لیے، 90% گیندیں تھیں (10% غلط مثبت)۔ کم جھوٹے مثبتات کے لیے، 50% اعتماد کی حد بہتر ہے۔ ان دونوں اقدامات کو ایک بڑے تربیتی سیٹ کے لیے زیادہ لیبل والے ڈیٹا کے ساتھ بہتر بنایا جا سکتا ہے۔

پتہ لگانے والی پائپ لائن تھرو پٹ 10 فریم فی سیکنڈ کے آرڈر پر ہے، لہذا اس کی موجودہ شکل میں، ایک مثال اتنی تیز نہیں ہے کہ ان پٹ پر 50 فریم فی سیکنڈ پر مسلسل چلائی جائے۔ گیند کے قدموں کے بعد آؤٹ پٹ کے لیے 7 سیکنڈ کے نشان کو حاصل کرنے کے لیے تاخیر کے لیے مزید اصلاح کی ضرورت ہوگی، شاید پائپ لائن کے متعدد ورژن کو متوازی طور پر چلا کر اور CNN ماڈلز کو کوانٹائزیشن کے ذریعے کمپریس کرکے (مثال کے طور پر)۔

بال پاتھ ٹریکنگ کی درستگی

MMTracking سے پہلے سے تربیت یافتہ CNN ماڈل اچھی طرح سے کام کرتا ہے، لیکن ناکامی کے دلچسپ واقعات ہیں۔ مندرجہ ذیل تصویر ایک ایسا کیس دکھاتی ہے جہاں ٹریکر گیند پر شروع ہوتا ہے، پٹر ہیڈ اور گیند دونوں کو شامل کرنے کے لیے اپنے باؤنڈنگ باکس کو پھیلاتا ہے، اور پھر بدقسمتی سے پٹر ہیڈ کو ٹریک کرتا ہے اور گیند کو بھول جاتا ہے۔ اس صورت میں، پٹر کا سر سفید نظر آتا ہے (ممکنہ طور پر مخصوص عکاسی کی وجہ سے)، اس لیے الجھن سمجھ میں آتی ہے۔ ٹریکنگ CNN کی ٹریکنگ اور فائن ٹیوننگ کے لیے لیبل لگا ڈیٹا مستقبل میں اس کو بہتر بنانے میں مدد کر سکتا ہے۔

نتیجہ

اس پوسٹ میں، ہم نے ایک ماڈیولر پائپ لائن کی ترقی پر تبادلہ خیال کیا جو کھلاڑیوں کو کیمرے کے فیلڈ آف ویو کے اندر مقامی بناتی ہے، اس بات کا تعین کرتی ہے کہ کون سا کھلاڑی لگا رہا ہے، اور کپ کی طرف بڑھتے ہی گیند کو ٹریک کرتا ہے۔

PGA ٹور کے ساتھ AWS تعاون کے بارے میں مزید معلومات کے لیے، رجوع کریں۔ پرستار کے تجربے کا دوبارہ تصور کرنے کے لیے PGA ٹور AWS کے ساتھ مل جاتا ہے۔.

---

مصنفین کے بارے میں

جیمز گولڈن مشین لرننگ اور نیورو سائنس میں پس منظر کے ساتھ ایمیزون بیڈرک میں ایک اپلائیڈ سائنسدان ہے۔

ہنری وانگ Amazon Generative AI Innovation Center میں ایک اپلائیڈ سائنس دان ہے، جہاں وہ AWS صارفین کے لیے جنریٹیو AI سلوشنز پر تحقیق کرتا اور تیار کرتا ہے۔ وہ کھیلوں اور میڈیا اور تفریحی صنعتوں پر توجہ مرکوز کرتا ہے، اور ماضی میں مختلف اسپورٹس لیگز، ٹیموں اور براڈکاسٹرز کے ساتھ کام کر چکا ہے۔ اپنے فارغ وقت میں وہ ٹینس اور گالف کھیلنا پسند کرتے ہیں۔

تریمبک گنگوپادھیائے AWS جنریٹو AI انوویشن سینٹر میں ایک اپلائیڈ سائنٹسٹ ہے، جہاں وہ مختلف صنعتوں میں تنظیموں کے ساتھ تعاون کرتا ہے۔ اس کے کردار میں اہم کاروباری چیلنجوں سے نمٹنے اور AI کو اپنانے میں تیزی لانے کے لیے تحقیق کرنا اور جنریٹو AI حل تیار کرنا شامل ہے۔

• SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
• پلیٹو ڈیٹا ڈاٹ نیٹ ورک ورٹیکل جنریٹو اے آئی۔ اپنے آپ کو بااختیار بنائیں۔ یہاں تک رسائی حاصل کریں۔
• پلیٹوآئ اسٹریم۔ ویب 3 انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
• پلیٹو ای ایس جی۔ کاربن، کلین ٹیک، توانائی ، ماحولیات، شمسی، ویسٹ مینجمنٹ یہاں تک رسائی حاصل کریں۔
• پلیٹو ہیلتھ۔ بائیوٹیک اینڈ کلینیکل ٹرائلز انٹیلی جنس۔ یہاں تک رسائی حاصل کریں۔
• ماخذ: https://aws.amazon.com/blogs/machine-learning/ball-position-tracking-in-the-cloud-with-the-pga-tour/