Lokalisering av domänspecifika objekt i videoströmmar inom esport med delvis slumpmässig layout

Viktiga resultat som projektet gav

Målet med projektet var att förbättra en manuellt betonad process för att generera data med hjälp av "computer vision" (CV). Detta för att möjliggöra att applicera tekniken på ett större utbud av turneringar och matcher samt extrahera fler datapunkter med högre precision. Målen syftar tillsammans till att göra de dataprodukter som bygger på tekniken mer konkurrankraftiga. Vidare hade bolaget som målsättning att lära sig mer om projekt och utvecklings-arbete inom ML/AI för att kunna förbättra applikationen med tiden och arbeta effektivt med liknande projekt.

Långsiktiga effekter som förväntas

Bolaget ser projektet som mycket lyckat. Det nya systemet hann lanseras under projekttiden och kunde därmed validera att systemet i sin helhet har en mycket hög grad av automation samt att mängden täckta turneringar och matcher ökat markant, ca 7 gånger fler matcher. Detta med en större mängd genererade datapunkter. Även på marknadssidan så har effekterna varit positiva där fler kunder med högre krav kunnat aktiveras. Bolaget har även börjat implementera systemet på fler spel framgångsrikt och ser fler möjligheter för expansion in ML/AI framåt.

Upplägg och genomförande

För att säkerställa att en så hög standard som möjligt vad gäller både de tekniska lösningarna samt arbetsmetodik/projektarbete så valde bolaget att vända sig till experter inom området. Dessa arbetade tillsammans med, och guidade, bolaget genom den första halvan av projektet. Tillsammans testades olika angreppssätt på problemet, för att sedan mer genomgående ta fram ett demo för de mest lovande metoderna. Därefter tog bolaget själv fram en slutlig lösning. Detta arbetssätt var effektivt både för att nå resultat samt att i stor grad internalisera experternas kunskaper.