SoccerNet code

Soccernet：一个可扩展的数据集用于足球视频中的动作发现

[弃用]请访问https://github.com/silviogiancola/soccernetv2-devkit，以获取该存储库的更新版本

CVPR'18运动计算机视觉研讨会

可在OpenAccess.thecvf.com上找到

 @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 }
}

项目页面：https：//silviogiancola.github.io/soccernet/

可用数据：

• 框架功能（119.9GB）[预拉式拉链]
• 标签（292.9kb）[预拉式拉链]
• 评论（26.1MB）[预拉式拉链]
• 视频（224p and HQ）：首先填写表格（与NDA一致后提供的链接）：

克隆这个存储库

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

创建Conda环境（Python3）

conda env create -f src/environment.yml

source activate SoccerNet

下载数据

我们建议使用https://github.com/wkentaro/gdown从Google Drive下载大文件。

pip install gdown （已经在Conda环境中）

请使用以下脚本自动下载数据：

• 帧功能：

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

• 标签：

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

• 评论：

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

• 视频（224p）（填写此表格后可用的CSV文件）：

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

• 视频（HD）（填写此表格后可用的CSV文件）：

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

读取数据

阅读单个游戏的数据

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

阅读单个游戏的评论

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

循环并阅读火车/有效/测试

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

循环并阅读所有游戏

python src/ReadAllData.py data

数据可重复性的源代码

功能从视频中提取

有关更多详细信息，请参见src/feature_extraction。

动作分类

有关更多详细信息，请参见SRC/分类。

动作检测/发现

有关更多详细信息，请参见SRC/检测。

开始使用COLAB

可以使用Colab在Google Cloud上与Soccernet合作。 COLAB在云中提供了一个合同的Python环境，包括无限的存储以及免费的Tesla K80 GPU 。

向美国Soccernet上的Colab，请检查此Jupyter笔记本。

（致谢：感谢Lamia13alg分享她的COLAB笔记本）