SoccerNet code

Soccernet：一個可擴展的數據集用於足球視頻中的動作發現

[棄用]請訪問https://github.com/silviogiancola/soccernetv2-devkit，以獲取該存儲庫的更新版本

CVPR'18運動計算機視覺研討會

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 }
}

項目頁面：https：//silviogiancola.github.io/soccernet/

可用數據：

• 框架功能（119.9GB）[預拉式拉鍊]
• 標籤（292.9kb）[預拉式拉鍊]
• 評論（26.1MB）[預拉式拉鍊]
• 視頻（224p and HQ）：首先填寫表格（與NDA一致後提供的鏈接）：

克隆這個存儲庫

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

創建Conda環境（Python3）

conda env create -f src/environment.yml

source activate SoccerNet

下載數據

我們建議使用https://github.com/wkentaro/gdown從Google Drive下載大文件。

pip install gdown （已經在Conda環境中）

請使用以下腳本自動下載數據：

• 幀功能：

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

• 標籤：

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

• 評論：

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

• 視頻（224p）（填寫此表格後可用的CSV文件）：

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

• 視頻（HD）（填寫此表格後可用的CSV文件）：

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

讀取數據

閱讀單個遊戲的數據

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

閱讀單個遊戲的評論

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

循環並閱讀火車/有效/測試

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

循環並閱讀所有遊戲

python src/ReadAllData.py data

數據可重複性的源代碼

功能從視頻中提取

有關更多詳細信息，請參見src/feature_extraction。

動作分類

有關更多詳細信息，請參見SRC/分類。

動作檢測/發現

有關更多詳細信息，請參見SRC/檢測。

開始使用COLAB

可以使用Colab在Google Cloud上與Soccernet合作。 COLAB在雲中提供了一個合同的Python環境，包括無限的存儲以及免費的Tesla K80 GPU 。

向美國Soccernet上的Colab，請檢查此Jupyter筆記本。

（致謝：感謝Lamia13alg分享她的COLAB筆記本）