智慧感測儲存服務影片儲存自動化管理平台
…
新場館導入分數 / 門檻;滑過看說明,點步驟跳到對應面板(該分頁上方有完整的下一步)
球場關鍵點模型—
記分板模型—
擊球偵測模型—
1資料集
這份資料集是什麼?版本怎麼運作?
球場模型負責在新場地自動找出球場角點。訓練資料不必人工畫分割:每個場地的角點(人工標或自動偵測)依球場尺寸合成 8 個區域標籤,影格取自該場地已剪好的比賽影片。 只有要訓練新的球場模型才需要建立資料集;剪輯本身直接使用各場地的角點。
資料集版本建立後就不再變動。每個賽事可以「重新抽」(用目前的角點、張數與切分),或「沿用」某個舊版本裡這個賽事的影格與標籤(原封複製)。
選擇這個版本要包含哪些賽事,以及每個賽事的資料是「重新抽」還是「沿用」舊版本。
納入賽事資料來源說明
「重新抽」= 用目前的角點從比賽影片抽影格、合成標籤,下一步可以檢查角點、設定張數與切分。「沿用」= 直接複製那個版本裡這個賽事的影格與標籤,張數與切分維持當時的設定,後面兩步會略過它。 預設:已在最新版本裡、角點也沒改過的賽事沿用;新賽事或角點改過的賽事重新抽。
訓練標籤由角點合成,角點歪了模型就學歪。只檢查「重新抽」的賽事。按「看」展開 3 場比賽的畫面,藍線要貼齊每一場的球場線。
檢查流程怎麼走?
① 「用模型比對」:啟用中的球場模型對每個場地取 3 場比賽推角點,和存的角點比,差越多越可能標錯(或機位在比賽間動過),清單依此排序。
② 「逐一檢查」:在同一頁依序開每個未確認的場地,看藍線、拖曳修正後「儲存」,或按「角點正確,下一個」;看完自動回到這一步。也可以按某一列的「看」瀏覽縮圖,沒問題就勾「已確認」。
③ 修正的是場地目前的角點(剪輯、戰術也用這一份),已建立的資料集版本不會變。
設定「重新抽」的賽事每個場地抽幾張,以及每個場地進訓練還是驗證。數字一改,右邊的張數立刻更新。
張數與切分的規則
N = 每個場地總共幾張(1–60):比賽有 N 場以上就平均挑 N 場、每場取 1 張(影片 35% 處);比賽不到 N 場就每場取多個時間點(平均分布整場)補足 N 張。
切分「訓練」或「驗證」:N 張全進那一邊;「依比賽切」(單一機位的新場館):N 張依場數比例分給兩邊(驗證至少 1 張),訓練從前 2/3 場比賽挑、驗證從後 1/3 場挑;「不用」:不抽。
確認組成後建立。版本建立後就不會再變;之後修改角點或設定,要再建一個新版本。
≡資料集版本
版本建立時間組成訓練 / 驗證用它訓練的模型
2訓練
模型狀態來源訓練資料val mAP50
訓練時
角點誤差流程效果
③ 實際場地最佳
建立時間
每個模型以正式流程推六角點,與場地角點比;結果列在下方「各場地角點誤差」。訓練完會自動評估新舊模型。
≡各場地角點誤差
載入中…
這張表怎麼看?
每格 = 該模型在這個場地的影格上,以正式流程推出的六角點與場地角點的平均像素誤差;下面一行是「合格率」(誤差 ≤ 10 px 的影格比例)與推不出角點的張數。滑鼠停在格子上看六個角點各自的誤差。 標籤下限 = 這份資料集的合成標籤本身和場地角點的差距(透視造成),用這份資料訓練的模型大致會停在這附近,學得再好也到不了以下。 每列誤差最小的模型以粗體標示。訓練影格的誤差很低、驗證影格很高 = 只記住了看過的畫面;兩邊都高 = 這個場地沒學進去。
怎麼判斷要不要啟用?
角點誤差 = 在驗證影格以正式流程推出六角點,與已知角點的平均像素距離;失敗 = 推不出角點的張數。新模型失敗為 0、誤差明顯小於啟用中的模型才啟用。 啟用只影響之後新剪輯場地的自動偵測,已有角點的場地(尤其人工標的)不會被改動。
3驗證(流程效果)
這裡量的是什麼?什麼時候用?
新場館先來這裡:用「啟用中的模型」對新場館驗證一次,達標(角點平均誤差 ≤ 10 px、沒有推不出的畫面)就不必建資料集、不必訓練;沒達標才走 ① → ② → 再回來驗證新模型、比較後啟用。
基準 = 人工標過角點的場地(自動偵測的角點是模型自己推的,不能當基準),每個場地取最多 3 場比賽(第一 / 中間 / 最後)的畫面,以正式流程推六角點,和人工角點比。 和 ② 的表不同:② 用的是資料集版本裡的合成影格,這裡用的是場館的實際比賽畫面。
標「訓練看過」的場地在該模型的訓練資料裡,分數會偏好,判斷時以沒看過的場地為準。
模型:
賽事:
1資料集
這份資料集是什麼?版本怎麼運作?
記分板模型在畫面上找出兩個分數框,讓比分 OCR 與回合切割自動定位。資料 = 從原始影片抽的影格,在標註工具裡畫出分數框。 同一轉播版型不需重訓;新版型出現、回合切割覆蓋率低時才需要。
抽影格與標註是共用的工作區;資料集版本是建立當下的快照(影格與標籤都複製一份),之後再改標註不影響已建立的版本。 每個賽事可以「重新建立」(工作區目前的標註與切分),或「沿用」舊版本裡這個賽事的資料。
選擇這個版本要包含哪些賽事,以及每個賽事的資料是「重新建立」還是「沿用」舊版本。
納入賽事資料來源說明
「重新建立」= 用工作區目前的影格與分數框標註,下一步可以抽影格、標註、檢查。「沿用」= 直接複製那個版本裡這個賽事的影格與標籤快照,後面兩步會略過它。 預設:已在最新版本裡、標註也沒改過的賽事沿用;有新標註或標註改過的賽事重新建立。新場館先勾選納入、選「重新建立」,下一步再抽影格。
為「重新建立」的賽事準備標註:抽影格 → 在標註工具畫兩個分數框 → 用模型比對找出可能標錯的影格逐張修正。
開啟標註工具 標註工具:每張畫兩個分數框;A 套用上一張、S 存並下一張、N 無記分板(負樣本)。已抽過的影格不會被覆蓋。
🔍標註檢查 啟用中的模型對已標影格偵測分數框,和標註比:少框、多框、框歪排前面;「修正」開標註工具到那一張(青色虛線是模型的框),存檔即標為已檢查
載入中…
以來源影片為單位切分訓練 / 驗證。「驗證」= 整支影片都當驗證,最接近「沒看過的時段」;「自動」= 隨機取一部分當驗證。
賽事來源影片影格已標切分
確認組成後建立。版本是建立當下的快照(影格與標籤都複製一份),之後再改標註不影響它。
≡資料集版本
版本建立時間組成訓練 / 驗證用它訓練的模型
2訓練
模型狀態來源訓練資料標註分數
mAP50 / 50-95
流程效果
③ 各賽事最佳試跑
建立時間

mAP 是標註分數(訓練完在該版本的驗證影格算一次,量「框畫得對不對」),不代表實際切回合的效果;要看效果用 ③ 驗證。

每個模型對每張影格偵測分數框,與標註比;結果列在下方。訓練完會自動評估。
≡各來源影片的分數框偵測
載入中…
這張表怎麼看?
每格 = 該模型在這支來源影片的影格上:找到率(找到的分數框 ÷ 標註的框,IoU ≥ 0.5 算找到);下面一行是合格率(整張沒漏框、沒多框、每個框 IoU ≥ 0.7 的影格比例)、漏框、多框與平均 IoU。 每列找到率最高的模型以粗體標示。標頭的 mAP 是整個驗證集的標註分數。這些都是「框畫得對不對」,實際切回合的效果看 ③ 驗證。
3驗證(流程效果)
這裡量的是什麼?
新場館先來這裡:用「啟用中的模型」試跑一次,覆蓋率達標(≥ 80%)就不必標註、不必訓練;沒達標才走 ① → ② → 再回來試跑新模型、比較後啟用並套用。記分板的基準是賽務 API 的實際得分,不需要人工標註。
試跑驗證:用選的模型在暫存檔重建賽事驗證場次(「驗證場次設定」勾選的場次)的比分時間軸,算回合覆蓋率(切出回合 ÷ 賽務實際得分)、漏分(比分跳號)、找框成功率、讀數率。 不啟用、不碰正式的時間軸與回合,一個賽事約 30 秒;同模型同賽事只留最新一筆(再跑會覆蓋)。驗證場次改過之後,舊紀錄會標「範圍已改」、不列入比較,可用下方「清除」整理。
正式結果:從紀錄列按「啟用並套用」後,系統啟用該模型、寫入參數、排入「完整比賽剪輯」→「精華剪輯」(全部重新處理),完成後自動存一筆正式結果(✔);有擊球標註的場次回合受保護不重切。
流程參數:取樣間隔、確認次數、分數框重找(自動 = 原始 best 沿用 60 秒、重新訓練過的模型讀不到就重找)。參數不同算不同紀錄。
≡目前正式回合切割完整度 擊球標註前的關卡:標註後那場回合就鎖住不能重切,所以要先確認這裡夠完整
順序:先確定回合 → 再擊球標註 → 最後重跑精華 / 戰術
覆蓋率 = 切出的回合數 ÷ 賽務系統的實際得分;漏分 = 比分跳號(兩分以上被併成一個回合)。80% 以上就通過,可以開始擊球標註。
覆蓋率低:在下方勾模型與賽事「試跑驗證」(可調取樣間隔、確認次數),比「目前正式回合」好就按格子裡的「啟用並套用」重建比分時間軸並重切回合 —— 已有擊球標註的場次回合受保護、不會被重切。精華與戰術隨時可以從回合重新產生,最後再跑就好。
≡試跑驗證
模型:
賽事:
1資料集
這份資料集是什麼?版本怎麼運作?
資料 = 各場次在「擊球偵測標註」頁標的擊球時間點。訓練:拿來訓練;val:挑最佳訓練輪次(整個版本沒有任何 val 時,自動從「目前設定」的訓練場次每 5 場抽 1 場); 測試:新舊模型比較,同時是該賽事精華 / 戰術的驗證場次(改動會同步「驗證場次設定」);不用:排除。
資料集版本建立時抽好回合影格、存下標籤快照,之後改標註不影響已建立的版本。每個賽事可以「重新建立」,或「沿用」舊版本裡這個賽事的場次與標籤。 要多標場次:先到 驗證場次設定 勾選,再到「擊球偵測標註」頁標註。
選擇這個版本要包含哪些賽事,以及每個賽事的資料是「重新建立」還是「沿用」舊版本。
納入賽事資料來源說明
「重新建立」= 用目前的擊球標註與切分,建立時抽回合影格(已抽過的沿用)。「沿用」= 直接複製那個版本裡這個賽事的場次、切分與標籤快照,後面兩步會略過它。 預設:已在最新版本裡的賽事沿用,不在裡面但有標註的賽事重新建立。要多標場次:先到 驗證場次設定 勾選,再到「擊球偵測標註」頁標註。
檢查「重新建立」的賽事各場次的標註:有沒有回合影片、標了幾回合幾球,並用模型比對找出可能漏標 / 多標的回合。
新場館訓練前先按這個,得到目前模型在新場館的基準;結果顯示在上表最右欄。
🔍標註檢查 先「用模型比對」(每場約 1 分鐘),每回合和標註以 ±0.1 秒配對;「修正」開擊球標註頁到那一回合,「+加入」可直接補上模型的點。測試場次也是精華 / 戰術的驗證場次,改標註前請確定是真的標錯
載入中…
每個場次的用途:訓練拿來訓練;val挑最佳訓練輪次(整個版本沒有任何 val 時自動從訓練場次每 5 場抽 1 場);測試新舊模型比較,同時是精華 / 戰術的驗證場次(改動會同步「驗證場次設定」);不用排除。
確認組成後建立。建立時抽回合影格、存下標籤快照(數分鐘),之後改標註不影響這個版本。
≡資料集版本
版本建立時間組成訓練 / val / 測試用它訓練的模型
2訓練
模型狀態來源訓練資料val mAP
基底 → 最佳輪
測試 召回 / 精確流程效果
③ 各賽事最佳召回
建立時間
「測試」欄是在上方所選版本的測試場次算的(這就是擊球偵測的實際效果);偵測結果依模型快取,重算很快。
≡各測試場次的擊球偵測
載入中…
這張表怎麼看?
每格 = 該模型在這個測試場次:召回(標註的擊球被偵測到的比例)/ 精確(偵測到的擊球是真的比例),以 ±3 幀配對;下面一行是 F1 與擊球數。 每列 F1 最高的模型以粗體標示;綠色 = 達查核點門檻。測試場次不參與訓練與挑輪次,這張表就是擊球偵測的實際效果。
3驗證(流程效果)
這裡量的是什麼?什麼時候用?
新場館先來這裡:用「啟用中的模型」對新場館驗證一次,召回達標(≥ 70%)就不必訓練;沒達標才走 ① → ② → 再回來驗證新模型、比較後啟用。
基準 = 「驗證場次設定」勾選的擊球場次中已完成擊球標註的場次;以正式流程的偵測(門檻 0.5、±3 幀配對)算召回 / 精確。偵測結果依模型快取,同一場只偵測一次。
和 ② 的表不同:② 只看某個資料集版本的測試場次,這裡以場館(賽事)為單位,任何模型都能比。標「訓練看過」的場次在該模型的訓練 / val 資料裡,分數會偏好。
模型:
賽事: