SoccerNet code

Soccernet: Ein skalierbarer Datensatz zum Action -Erkennen in Fußballvideos

[Veraltet] Bitte besuchen Sie https://github.com/silviogiancola/soccernetv2-devkit für eine aktualisierte Version dieses Repositorys

CVPR'18 Workshop zum Computer Vision im Sport

Erhältlich unter openaccess.thecvf.com

 @InProceedings { Giancola_2018_CVPR_Workshops ,
  author = { Giancola, Silvio and Amine, Mohieddine and Dghaily, Tarek and Ghanem, Bernard } ,
  title = { SoccerNet: A Scalable Dataset for Action Spotting in Soccer Videos } ,
  booktitle = { The IEEE Conference on Computer Vision and Pattern Recognition (CVPR) Workshops } ,
  month = { June } ,
  year = { 2018 }
}

Projektseite: https://silviogiancola.github.io/soccernet/

Daten verfügbar:

• Rahmenfunktionen (119,9 GB) [Pre-Zipped]
• Labels (292,9 KB) [Pre-Zipped]
• Kommentare (26.1MB) [Pre-Zipped]
• Videos (224p und Hauptquartier): Füllen Sie zuerst das Formular aus (Links, die nach dem Einverständnis der NDA angegeben sind):

Klonen Sie dieses Repository

git clone https://github.com/SilvioGiancola/SoccerNet-code.git

Erstellen Sie die Conda -Umgebung (Python3)

conda env create -f src/environment.yml

source activate SoccerNet

Laden Sie die Daten herunter

Wir empfehlen, https://github.com/wkentaro/gdown zu verwenden, um große Dateien von Google Drive herunterzuladen.

pip install gdown (bereits in der Conda -Umgebung)

Bitte verwenden Sie das folgende Skript, um die Daten automatisch herunterzuladen:

• Rahmenfunktionen:

./src/SoccerNet_CSV_Downloader.sh data/SoccerNet_V1.1_Features.csv

• Etiketten:

./src/SoccerNet_CSV_Downloader.sh data/SoccerNet_V1.1_Labels.csv

• Kommentare:

./src/SoccerNet_CSV_Downloader.sh data/SoccerNet_V1.1_Commentaries.csv

• Videos (224p) (CSV -Datei nach Ausfüllen dieses Formulars verfügbar):

./src/SoccerNet_CSV_Downloader.sh data/SoccerNet_V1.1_Videos.csv

• Videos (HD) (CSV -Datei verfügbar nach dem Ausfüllen dieses Formulars):

./src/SoccerNet_CSV_Downloader.sh data/SoccerNet_V1.1_Videos_HQ.csv

Daten lesen

Lesen Sie Daten für ein einzelnes Spiel

python src/ReadData.py "data/england_epl/2014-2015/2015-05-17 - 18-00 Manchester United 1 - 1 Arsenal"

Lesen Sie Kommentare für ein einzelnes Spiel

python src/ReadCommentaries.py data france_ligue-1 2016-2017 "Paris SG" "Marseille"

Schleifen und Überlesen über Zug/Gültigkeit/Test

python src/ReadSplitData.py data src/listgame_Train_300.npy

Schleife und durchlesen alle Spiele

python src/ReadAllData.py data

Quellcode für Datenreproduzierbarkeit

Features Extraktion aus Videos

Weitere Informationen finden Sie unter src/feature_extraction.

Aktionsklassifizierung

Weitere Informationen finden Sie unter SRC/Klassifizierung.

Aktionserkennung/Erspachtung

Weitere Informationen finden Sie unter SRC/Erkennung.

Erste Schritte mit Colab

Es ist möglich, Colab zu verwenden, um mit SocCernet in der Google Cloud zu arbeiten. Colab bietet eine kolaborative Python -Umgebung in der Cloud, einschließlich unbegrenzter Speicher sowie eine kostenlose Tesla K80 -GPU .

An uns Soccernet auf Colab finden Sie bitte dieses Jupyter -Notizbuch.

(Anerkennung: Dank an Lamia13Alg für das Teilen ihres Colab -Notizbuchs)