El algoritmo de audio detecta cuando su equipo puntúa

[François] vive en Canadá y, como era de esperar, le encanta el hockey. Debido a que su equipo local (los Habs) está en los playoffs, decidió hacer un arreglo maravilloso para su sala de estar, que presenta un espectáculo de luces cada vez que su equipo marca un gol. Esto sería simple si hubiera una buena API para notificarle cuando un objetivo está siendo apuntado, pero no podría encontrar nada de eso. En cambio, diseñó un algoritmo de aprendizaje automático que detecta cuándo está ganando su equipo local al escuchar la transmisión de audio de su televisor.

[François] Comencé escuchando el sonido de algunos juegos grabados. Siempre que se alcanza un objetivo, el comentarista grita y suena la bocina del objetivo. Esto hace que sea bastante obvio para el oyente que se ha alcanzado un objetivo, pero detectarlo con una computadora es un poco más difícil. [François] También quería detectar cuándo su equipo local metía un gol, pero no cuándo ganaba el equipo contrario, ¡aliviando el problema!

Porque el grito del comentarista y el cuerno del objetivo no suenan exactamente igual para todos los propósitos, [François] decidió escribir un algoritmo que identifica y aprende de patrones en el sonido. Si un equipo local está apuntando, envía comandos a algunas bombillas Phillips Hue que muestran los colores de su equipo. Su algoritmo intenta evitar falsos positivos cuando gana el equipo contrario y, en la práctica, ha identificado con éxito el 75% de los goles del equipo local con 0 falsos positivos, ¡nada mal! Asegúrese de verificar la acción de configuración después de la pausa.

  • Ren dice:

    ¡Zelo! ¿Lo es?

  • Iw2 dice:

    ¿No sería más fácil hacer OCR en el mostrador en la parte superior de la pantalla? De esa manera, debería poder obtener una velocidad de detección del 100%.

    • delmadord dice:

      Tal vez el texto se actualice más lentamente que el grito del comentarista, no estoy seguro de eso. Si no, podría haber sido más fácil. Sin embargo, todavía amo esta solución. ¡Hack de casa bastante genial!

      • Alex dice:

        Sí, el contador es mucho más lento. ¡El comentarista y el cuerno objetivo son instantáneos!

  • Que no dice:

    Un error del 25% seguirá siendo demasiado embarazoso cuando anima la puntuación de los oponentes.

    • François Maillet dice:

      Hey que. Soy el tipo que hizo esto.

      La tasa de error del 25% detecta en realidad 3 de 4 objetivos para los habs. La única consecuencia de esto es que el espectáculo de luces no comienza cuando debería. Tengo un botón USB conectado al sistema para poder iniciarlo manualmente cuando eso suceda.

      La tasa de error de los goles del equipo contrario es mucho menor. Según las simulaciones que he realizado, debería explotar injustamente solo una vez para 4 juegos. Pero estoy trabajando para mejorar eso. Con suerte, Carey Price hará su parte y obtendrá más bloqueos 🙂

      En cuanto a su otro comentario en el feed de Twitter, no encontré API, feed o ningún servicio que pueda darme notificaciones confiables dentro de los 2 segundos del objetivo. Si se necesitan 5 o 10, el momento de alguna manera ha pasado …

      ¡Hola!

      • forastero dice:

        François, esto es asombroso. Intenté hacer algo similar para la API de puntuación de raspado de Blackhawks de mi ciudad natal y ya era demasiado tarde.

      • Que no dice:

        Tenía mucho miedo del retraso con Twitter, aunque pensé que podría haber entusiastas muy dedicados a ser el primero, pero supongo que el sistema de Twitter en sí también tiene un retraso.

        Pero bueno, tal vez al menos se pueda usar para matar la maquinaria de porristas si está mal después de más de 5 segundos si alguien quiere probar eso.

      • RunnerPack dice:

        Podrías simplemente ver el juego con un retraso de 10 a 15 segundos y darle “precisión” a lo de Twitter (según tu punto de vista), luego sincronizar el espectáculo de luces con la campana de destino, pero solo para tu equipo.

      • MG dice:

        Lamento que no hayas tenido muchas oportunidades de probarlo anoche …

        Mentí … no lo siento. 🙂

    • TecNimXV dice:

      cita:
      identificó con éxito el 75% de los goles del equipo local con 0 falsos positivos

      es una tasa de error del 25% para los objetivos nacionales inadvertidos (debe detectar, pero no lo hace)
      y 0 falsos positivos (absolutamente ningún equipo contrario apunta mal como en casa)

      en resumen: a veces (1 de cada 4 veces) no detecta un gol de casa sin falsas alarmas

  • Que no dice:

    ¿Quizás hay algún feed de Twitter popular que te diga qué equipo ganó para aumentar la confiabilidad? “Si hay un flujo y dice que el equipo contrario ha ganado, entonces no ejecutes la rutina de la fiesta” básicamente.

  • Hirudinea dice:

    ¡Amo este truco, pero odio los hábitos!

  • bt109 dice:

    ¿No sería suficiente el canal ESPN en IFTTT para automatizar esto? Configuré recetas IFTTT para hacer todo tipo de cosas cuando los equipos ganan.

    • bt109 dice:

      No importa, leí sus comentarios aquí: quiere algo más inmediato. ¡Felicitaciones por descubrirlo!

  • Ulo Amo dice:

    Incluso la luz de destino de Budweiser tiene un retraso de aproximadamente 10 segundos, dependiendo de la estación que esté mirando y de los medios (cable, satélite, etc.), por lo que este concepto es bueno porque se sincroniza con lo que está viendo, por lo que incluso en una grabación juego funciona :). ¿Considera que ambas estaciones juegan el juego? (rds y tvasp) ¿Se diferencia entre las “puntuaciones” “objetivo” y otras? ¿Comenzó anoche después de nuestra terrible derrota por 5-1? ¿Nos desharemos finalmente de los senadores el domingo?

    ¡Ojala!

    • mailletf dice:

      Solo lo entrené en partidos de TVA porque son ellos los que transmiten las finales. Lo probé por diversión con la transmisión RDS y no detectó un solo objetivo. Es específico para un comentarista debido a su forma diferente de gritar, así que tendré que armar una base de datos RDS para la próxima temporada.

      Agregué ejemplos de “gol” y “puntajes” para que ambos funcionen tan bien como puedo averiguarlo.

      Estuve en el juego anoche. Difícil de ver. ¡Mañana ejecutaré el juego grabado a través del sistema si tengo tiempo para ver si obtiene una pose falsa y obtener más ejemplos de entrenamiento!

      ¡Por supuesto! Esto terminará mañana. Iru Habs Iru! 🙂

  • Chris C. dice:

    Bela. Aunque me gustaría entender qué se está haciendo realmente aquí. Puedo al menos seguir el MPS, pero instantáneamente me pierdo más allá de eso. Pero eso no es todo [François]’culpa. Los piratas informáticos realmente necesitamos un método sólido de reconocimiento de palabras clave, implementado y proporcionado de una manera que no requiera conocimientos arcanos para su uso. Los programas generales de reconocimiento de voz como Sphinx se pueden usar para esto, pero los falsos positivos y negativos corren por las nubes con cualquier ruido de fondo. Lo que más me gustaría ver es el reconocedor de palabras clave de la red neuronal para Google Now, extraído para que se pueda usar por separado, junto con una herramienta que cuando se proporciona con conjuntos de entrenamiento puede enseñarle a la red una nueva palabra clave. O al menos algo muy parecido.

  • ScubaBear dice:

    Hola François –

    ¿Echaste un vistazo a la secuencia de títulos cerrada para ver si tiene datos útiles? Sin embargo, puede que no haya sido tan inmediato. En la década de 1990, co-inventé la tecnología de eliminación de publicidad para VCR llamada Commercial >> Forward; Una de las cosas que consideramos como entrada al sistema de experiencia heurística (tal como era entonces) fue la titulación cerrada. Fue posible porque este sistema omitía los anuncios durante la reproducción, por lo que el retraso no importaba. En última instancia, no necesitamos la entrada porque nuestros otros medios de detección dieron como resultado una detección precisa del 99,4% con 0 falsos positivos en el momento en que enviamos sin usarlos.

    Ahora, 25 años después, ¿tal vez el subtítulo cerrado o algunos de los datos que contiene sean lo suficientemente inmediatos para su aplicación …?

    • mailletf dice:

      Oye

      En realidad, no miré eso. Sería difícil con mi configuración mientras transmito el juego. Ni siquiera estoy seguro de que cc esté disponible con el servicio que utilizo.

      Sin embargo, sería muy interesante verlo. Mucha gente ha comentado en otros sitios web sobre diferentes ideas a través de la PNL. Incluso si el cc se retrasa un poco, aún podría usarse para determinar qué equipo posee el disco de hockey. Pensé en hacerlo más con un simple análisis de imágenes, pero cc puede ser otra forma explorable. Probablemente también requiera menos computadora, lo cual es importante porque tiene que funcionar en tiempo real.

      Saber dónde está el disco de hockey sería extremadamente útil como característica adicional para el clasificador. Entonces probablemente sería posible aumentar un poco la precisión. Actualmente, los objetivos que clasifico erróneamente son porque tuve que hacer las paces con la sensibilidad de si es un objetivo de los residentes o las malas compras. Una pareja es realmente difícil de distinguir. Saber dónde está el disco de hockey básicamente resolvería ese problema por completo y tal vez entonces estemos al 99%.

Pedro Molina
Pedro Molina

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *