足球比賽用球的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括賽程、直播線上看和比分戰績懶人包

英式橄欖球訓練技術報告書

為了解決足球比賽用球的問題，作者林建輝 這樣論述：

國家儲訓隊是由各學校教練推薦優秀的球員參加選拔，採用技術及體能的測驗方式進行遴選。各隊教練以自身背景及觀念發展一套固有的訓練模式，導致球員的動作技術及觀念水平有參差不齊的情況，培訓時要花費許多時間在整合基本動作及技術。本研究透過文獻分析及探討，結合學科理論基礎及自身專項實務經驗，將橄欖球運動的基本訓練要素歸納整理。研究內容 : 英式橄欖球運動技術結構分析、體能要素、技術教學及訓練計畫。結論 : 提升球隊訓練時的實質成效，將球員的基本動作及觀念水平達到一致性的效果。本技術報告書提供教練及球員未來在擬定訓練計畫時，作為參考之用，期望能提升國內外的運動成績表現。

深度學習之人形足球機器人機器視覺系統開發

為了解決足球比賽用球的問題，作者林昆鋒 這樣論述：

　　本論文以實際應用於RoboCup國際性機器人競賽為目的，提出一使用深度學習模型之雙足人形足球機器人機器視覺系統，達到機器視覺影像對足球與機器人認知，以及足球追蹤之目的。RoboCup國際機器人競賽舊制規定，競賽場地範圍內採用綠色為底色，場地上著有白色場域線，競賽中兩隊伍機器人著有紅色或藍色標帶，配合使用橘色足球與黃色球門進行比賽。因此，往年競賽中，與賽隊伍主要採取物件顏色之區別，作為主要目標物辨識之特徵。然而，隨著賽事規則逐年更動，比賽場地逐步轉化為一般足球賽之場景，2015年開始將足球更改為白色帶花紋之標準比賽用球，球門框顏色亦由黃色框變更為白色框，大幅度增加機器人辨識上之複雜度。為了

解決上述機器人在交錯白線中能夠識別足球，降低賽前所需的參數調整，以及增加未來賽中物件更動的適應彈性，本論文之機器視覺系統以深度學習卷積神經網路開發，透過線下監度學習方式，使用You Only Look Once第二版的網路結構進行學習，達到足球類別與機器人類別在複雜環境中辨識之框選結果。此外，透過實驗深度學習模型框選足球區域面積與實際足球佔有影像區域面積數據，進行深度學習模型訓練之成效比較，並測試出框選準確度較佳之數據模型，經由機器人足球影像座標，將足球實際所在位置，轉換為機器人內部座標系定義，完成機器人在複雜場景或比賽場景中，足球影像之定位與追蹤實現，並於RoboCup 2017賽事中取得人

形機器人足球賽第二名成績。