SoccerNet: 축구 영상에서 액션 스포팅을 위한 확장 가능한 데이터셋

본 논문에서는 축구 영상에서 행동 인식을 위한 벤치마크인 SoccerNet을 소개합니다. 이 데이터셋은 2014년부터 2017년까지의 3시즌 동안 유럽 주요 리그 6개에서 진행된 500개의 완전한 축구 경기로 구성되어 있으며, 총 764시간의 기록을 포함하고 있습니다. 주요 세 가지 사건(골, 옐로우/레드 카드, 교체)에 대해 온라인 경기 보고서에서 자동으로 파싱하여 분당 해상도로 6,637개의 시간적 주석이 제공됩니다. 따라서 이 데이터셋은 쉽게 확장 가능합니다. 이러한 주석들은 정확한 축구 규칙에 따라 단일 타임스탬프에 고정하여 수동으로 1초 해상도로 세밀하게 조정되었습니다. 평균적으로 6.9분마다 한 번씩 발생하는 사건을 장시간 영상 내에서 매우 드물게 위치시키는 문제에 중점을 둔 이 데이터셋은, 비디오 내에서 축구 사건의 앵커를 찾는 인식 과제를 정의합니다.최근 비디오에서 일반적인 행동 인식 및 검출 분야의 발전을 활용하여, 우리는 축구 사건을 감지하기 위한 강력한 기준 모델들을 제공합니다. 실험 결과, 우리의 최고 모델은 길이가 1분인 시간적 구간을 분류할 때 평균 정밀도(mAP)가 67.8%를 달성하였습니다. 인식 과제에 대해서는 허용 오차 $\delta$가 5초부터 60초까지 범위에서 평균-mAP가 49.7%를 기록하였습니다. 우리의 데이터셋과 모델들은 https://silviogiancola.github.io/SoccerNet 에서 확인할 수 있습니다.