本論文では、ボールが頻繁に選手と相互作用し、背景とのコントラストが低いという挑戦的だが一般的な状況において、単一視点からボールを検出するタスクについて考察します。我々はこの問題をセグメンテーションタスクとして定式化し、効率的なCNN（畳み込みニューラルネットワーク）アーキテクチャによって解決する新しい手法を提案します。ボールの動態を活用するために、ネットワークには連続した2枚の画像が入力されます。我々の推論モデルは、時間的な分析による遅延なしでリアルタイムで動作します。また、テスト時のデータ拡張により検出精度が大幅に向上することも示しています。さらに、本研究の基盤となるデータセットを公開することで追加的な貢献を行っています。