FSD-10：一个用于竞技体育内容分析的数据集
计算机视觉与模式识别
2020-02-11 v1
摘要
动作识别是视频分析中的一个重要且具有挑战性的问题。尽管过去十年间随着深度学习的发展动作识别取得了进展，但这一过程在竞技体育内容分析中较为缓慢。为推动基于竞技体育视频片段的动作识别研究，我们引入了用于细粒度体育内容分析的花样滑冰数据集(FSD-10)。为此，我们收集了2017-2018年世界花样滑冰锦标赛的1484个片段，包含男子/女子项目中的10种不同动作。每个片段帧率为每秒30帧，分辨率为1080 720。这些片段随后由专家标注了类型、执行等级、滑冰者信息等。为建立花样滑冰动作识别的基线，我们在FSD-10上评估了最先进的动作识别方法。受领域中领域知识至关重要的启发，我们提出了一种基于关键帧的时间段网络(KTSN)用于分类并取得了显著性能。实验结果表明，FSD-10是基准测试动作识别算法的理想数据集，因为它要求准确提取动作运动而非动作姿态。我们希望FSD-10(其设计包含大量细粒度动作)能够作为新挑战，以开发更鲁棒和先进的动作识别模型。
引用
@article{arxiv.2002.03312,
title = {FSD-10: A Dataset for Competitive Sports Content Analysis},
author = {Shenlan Liu and Xiang Liu and Gao Huang and Lin Feng and Lianyu Hu and Dong Jiang and Aibin Zhang and Yang Liu and Hong Qiao},
journal= {arXiv preprint arXiv:2002.03312},
year = {2020}
}