SoccerNet code

Soccernet : 축구 비디오에서 액션을위한 확장 가능한 데이터 세트

[감가 상각] 해당 저장소의 업데이트 된 버전은 https://github.com/silviogiancola/soccernetv2-devkit을 방문하십시오.

CVPR'18 스포츠의 컴퓨터 비전에 관한 워크숍

OpenAccess.thecvf.com에서 구입할 수 있습니다

 @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 }
}

프로젝트 페이지 : https://silviogiancola.github.io/soccernet/

사용 가능한 데이터 :

• 프레임 기능 (119.9GB) [사전 zipped]
• 레이블 (292.9kb) [사전 zipped]
• 해설 (26.1MB) [사전 zipped]
• 비디오 (224P 및 HQ) : 먼저 양식을 채우십시오 (NDA에 동의 한 후 제공된 링크) :

이 저장소를 복제하십시오

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

콘다 환경 만들기 (Python3)

conda env create -f src/environment.yml

source activate SoccerNet

데이터를 다운로드하십시오

Google 드라이브에서 큰 파일을 다운로드하기 위해 https://github.com/wkentaro/gdown을 사용하는 것이 좋습니다.

pip install gdown (이미 콘다 환경)

다음 스크립트를 사용하여 데이터를 자동으로 다운로드하십시오.

• 프레임 기능 :

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

• 라벨 :

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

• 해설 :

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

• 비디오 (224p) (이 양식을 작성한 후 사용할 수있는 CSV 파일) :

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

• 비디오 (HD) (이 양식을 작성한 후 사용할 수있는 CSV 파일) :

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

데이터를 읽습니다

단일 게임의 데이터를 읽으십시오

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

단일 게임에 대한 주석을 읽으십시오

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

루프 및 기차/유효한/테스트를 읽으십시오

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

모든 게임을 반복하고 읽으십시오

python src/ReadAllData.py data

데이터 재현성을위한 소스 코드

비디오에서 추출을 특징으로합니다

자세한 내용은 SRC/Feaction_Extraction을 참조하십시오.

행동 분류

자세한 내용은 SRC/분류를 참조하십시오.

행동 감지/스포팅

자세한 내용은 SRC/Detection을 참조하십시오.

Colab을 시작합니다

Colab을 사용하여 Google 클라우드에서 Soccernet과 함께 작업 할 수 있습니다. Colab은 무제한 스토리지 및 무료 Tesla K80 GPU를 포함하여 클라우드에서 공동 작업 파이썬 환경을 제공합니다.

Colab의 Soccernet 에게이 Jupyter 노트북을 확인하십시오.

(감사 : Colab 노트북 공유에 대한 Lamia13alg에게 감사합니다)