Die Philadelphia Eagles und die Kansas City Chiefs haben es geschafft: Sie stehen sich im 57. Super Bowl gegenüber. Das Finale der abgelaufenen NFL-Saison wird in der Nacht vom 12. auf den 13. Februar im State Farm Stadium in Glendale, Arizona, stattfinden und auch in Deutschland wieder Millionen Footballfans vor den Fernseher locken.

Bis dahin werden Spieler und Trainer beider Teams sich nicht nur auf dem Trainingsplatz auf das größte Spiel des Jahres vorbereiten. Sie werden auch Stunden in Videoräumen verbringen, um Spielzüge, Formationen und Laufwege der Gegner zu studieren, um für sich die bestmöglichen Taktiken herauszuarbeiten und die eigenen Schwächen durch raffinierte Tricks in Stärken umzuwandeln.

Dieses Videostudium ist normalerweise sehr zeitintensiv. Mithilfe von Deep Learning und Computer Vision haben Forscher der Brigham Young University jetzt einen Algorithmus entwickelt, der die Arbeit übernimmt, die sonst mehrere Videoanalysten Stunden vor dem Bildschirm hat sitzen lassen.

Während die Forschung noch am Anfang steht, hat das Team mit seinem Algorithmus bereits eine Genauigkeit von mehr als 90 Prozent bei der Spielererkennung und ihrer Kennzeichnung sowie eine Genauigkeit von 85 Prozent bei der Bestimmung taktischer Formationen. Langfristig könnte der Algorithmus die langwierige Praxis der manuellen Analyse von Videomaterial ersetzen.

Der Algorithmus wurde dabei nicht nur mit echtem Videomaterial trainiert. Die Forscher haben sich laut Techxplore zunächst echte Footballspiele angesehen, als sie festgestellt haben, dass sie zusätzliche Kameraperspektiven benötigten, um den Algorithmus bestmöglich zu trainieren. Also haben sie sich eine Ausgabe von EAs „Football-Simulation Madden 2020“ gekauft und konnten so das Spielfeld von oben abbilden und den Blick der Offensive realistisch darstellen.

Sie beschrifteten am Ende manuell über 1.000 Bilder und Videos aus dem Game. Mit diesen Bildern wurde dann der Deep-Learning-Algorithmus trainiert.