一个全面的足球赛事图像数据集,用于推进自动识别系统

科学领域:

• 计算机科学 计算机科学
• 运动分析 运动分析
• 数据科学数据科学数据科学

背景情况:

• 足球赛事分析传统上依赖于手动注释,这是耗时且容易出现不一致的.
• 越来越多的足球视频数据需要自动化和结构化分析方法.
• 现有的数据集可能缺乏全面事件识别所需的细节性或多样化的视角.

研究的目的:

• 引入一个新的,大规模的足球赛事数据集,旨在进行详细分析.
• 为开发和评估用于足球赛事识别的机器学习模型提供结构化的基础.
• 通过多样化的视觉视角和事件分类来促进体育分析研究.

主要方法:

• 数据集被分为两个主要子集:基于视图的数据集和基于事件的数据集.
• 基于视图的数据集包括137,196个图像,分为四个类别:长,中,短和外观.
• 基于事件的数据集包含了10个不同的足球赛事类别的38728张图像,包括进球,卡片和犯规.

主要成果:

• 数据集包括187,151个实例,分为两个子集的14个不同的组.
• 基于视图的数据集提供了各种各样的游戏情况的视角.
• 基于事件的数据集为关键足球事件提供了特定的标签,使得细粒度分析成为可能.

结论:

• 这一全面的足球数据集是体育分析研究人员和从业人员的宝贵资源.
• 它可以进行深入的视频分析,并促进自动足球赛事识别的进步.
• 数据集的结构支持未来对体育机器学习应用的研究.