Das Papier beschreibt einen objektbasierten Detektor, der auf tiefen neuronalen Netzen basiert und speziell für die Ballerkennung in Langschaubildern entwickelt wurde. Aufgrund seines voll konvolutionellen Designs kann die Methode mit Bildern beliebiger Größe umgehen und erzeugt eine \emph{Ballvertrauenskarte} (ball confidence map), die die Position des erkannten Balles kodiert. Das Netzwerk nutzt das Konzept der Hyperkolonnen, bei dem Merkmalskarten aus verschiedenen Hierarchieebenen des tiefen konvolutionellen Netzes kombiniert und gemeinsam an die konvolutionsbasierte Klassifizierungsschicht weitergeleitet werden. Dies ermöglicht eine Steigerung der Erkennungspräzision, da ein größeres visuelles Kontextfeld um das Objekt von Interesse berücksichtigt wird. Die Methode erzielt standesgemäße Ergebnisse, wenn sie auf dem öffentlich zugänglichen ISSIA-CNR Soccer-Datensatz getestet wird.