Il s'agit d'un ensemble de données pour la reconnaissance des actions dans les vidéos de volley-ball. L'ensemble de données contient 4 830 images annotées sélectionnées parmi 55 vidéos, avec 9 étiquettes d'action de joueur et 8 étiquettes d'activité d'équipe. Parmi eux, 3 493 images vidéo sont utilisées pour la formation et les 1 337 images vidéo restantes sont utilisées pour les tests. Cet ensemble de données et l'ensemble de données d'activité collective sont utilisés pour évaluer le modèle LSTM, qui peut être utilisé pour la reconnaissance d'actions dans les activités de groupe.

Citation

@inproceedings{msibrahiCVPR16activité profonde, auteur = {Mostafa S. Ibrahim et Srikanth Muralidharan et Zhiwei Deng et Arash Vahdat et Greg Mori}, titre = {Un modèle temporel profond hiérarchique pour la reconnaissance d'activités de groupe.}, titre du livre = {Conférence IEEE 2016 sur la vision par ordinateur et la reconnaissance des formes (CVPR)}, année = {2016} } @inproceedings{msibrahiPAMI16deepactivity, auteur = {Mostafa S. Ibrahim et Srikanth Muralidharan et Zhiwei Deng et Arash Vahdat et Greg Mori}, titre = {Modèles temporels profonds hiérarchiques pour la reconnaissance d'activités de groupe.}, journal = {prépublication arXiv arXiv:1607.02643}, année = {2016} }