Het gebruik van data is de laatste jaren onmisbaar geworden in de topsport. Coaches gebruiken hierbij een veelvoud van sensoren en tools om hun team optimaal te laten presteren.
Op het gebied van video analyse is er nog veel winst te behalen. Momenteel wordt er vooral gebruik gemaakt van annotatiesoftware waarbij een video-analist handmatig alle events moet invoeren.
De invoermogelijkheden hiervan worden beperkt door de tijd die de analist ter beschikking heeft. Als de analist veel details per moment wil vastleggen is hij significant meer tijd kwijt aan het analyseren van een wedstrijd. Dit resulteert in een laag detailniveau van de analyse. En doordat veel contextuele informatie verloren gaat blijven de belangrijke inzichten beperkt.
Onze deep learning modellen verzamelen constant accurate data over de posities van de spelers en de bal. Op basis van deze grote hoeveelheid data zijn onze algoritmes getraind om elk belangrijke moment uit de wedstrijd te herkennen.
Samen met de Nederlandse sportbonden Nevobo en de KNHB bepalen we welke inzichten cruciaal zijn voor het winnen van de wedstrijden. Inzichten die met traditionele technieken nog niet mogelijk waren. We beantwoorden vragen als: “Hoe snel schakelen mijn spelers bij balverlies?”, of: “Hoe hard moeten we serveren voor het hoogste rendement?”
Dankzij de ontwikkelingen in A.I. komen we in een nieuwe generatie van analyse tools waarbij video analisten zich bezig kunnen houden met het winnen van wedstrijden in plaats van het invoeren van data.