SoccerNet：一个用于足球视频中动作检测的可扩展数据集

在本文中，我们介绍了SoccerNet，这是一个用于足球视频动作检测的基准数据集。该数据集由来自六个主要欧洲联赛的500场完整比赛组成，涵盖了从2014年到2017年的三个赛季，总时长为764小时。总共6,637个时间注释是从在线比赛报告中自动解析出来的，分辨率为一分钟，涵盖三类主要事件（进球、黄牌/红牌和换人）。因此，该数据集具有良好的可扩展性。这些注释通过遵循明确的足球规则，在单个时间戳上进行手动精炼，分辨率提高到一秒。平均每6.9分钟发生一次事件，该数据集专注于在长视频中定位非常稀疏的事件的问题。我们将检测任务定义为在视频中找到足球事件的时间锚点。利用近年来在通用视频动作识别和检测领域的最新进展，我们提供了强大的基线模型来检测足球事件。结果显示，我们的最佳模型在分类长度为一分钟的时间段时达到了平均精度均值（mAP）67.8%。对于检测任务，在容忍度 $\delta$ 从5秒到60秒范围内，我们的基线模型达到了49.7%的平均mAP。我们的数据集和模型可在 https://silviogiancola.github.io/SoccerNet 获取。