SoccerNet：一个用于足球视频中动作定位的可扩展数据集
计算机视觉与模式识别
2019-03-26 v2
摘要
本文中，我们介绍 SoccerNet，一个用于足球视频中动作定位的基准数据集。该数据集由来自六个欧洲主要联赛的 500 场完整足球比赛组成，覆盖 2014 至 2017 三个赛季，总时长为 764 小时。总共 6637 个时间标注从在线比赛报告中以一分钟分辨率自动解析得到，涵盖三类主要事件（进球、黄/红牌和换人）。因此，该数据集易于扩展。这些标注根据明确的足球规则锚定在单一时间戳上，被手动细化到一秒分辨率。由于平均每隔 6.9 分钟才发生一次事件，该数据集聚焦于在长视频中定位极稀疏事件的问题。我们将定位任务定义为在视频中寻找足球事件的锚点。利用视频中通用动作识别与检测领域的最新进展，我们提供了用于检测足球事件的强基线。我们表明，我们最好的用于分类一分钟长度时间片段的模型达到了 67.8% 的平均精度均值（mAP）。对于定位任务，我们的基线在容差 从 5 到 60 秒范围内达到了 49.7% 的平均 mAP。我们的数据集和模型可在 https://silviogiancola.github.io/SoccerNet 获取。
引用
@article{arxiv.1804.04527,
title = {SoccerNet: A Scalable Dataset for Action Spotting in Soccer Videos},
author = {Silvio Giancola and Mohieddine Amine and Tarek Dghaily and Bernard Ghanem},
journal= {arXiv preprint arXiv:1804.04527},
year = {2019}
}
备注
CVPR Workshop on Computer Vision in Sports 2018