Select Language

AI社区

公开数据集

UCF Sport Action 体育运动视频数据

UCF Sport Action 体育运动视频数据

1.66G
953 浏览
1 喜欢
9 次下载
0 条讨论
Person 2D Box

UCF体育数据集包括从各种体育运动中收集的一系列动作,这些动作通常在广播电视频道(如BBC和ESPN)上播出。视频序列来自各种素材......

数据结构 ? 1.66G

    Data Structure ?

    * 以上分析是由系统提取分析形成的结果,具体实际数据为准。

    README.md

    UCF体育数据集包括从各种体育运动中收集的一系列动作,这些动作通常在广播电视频道(如BBC和ESPN)上播出。视频序列来自各种素材网站,包括BBC Motion gallery和GettyImages。

    该数据集共包含150个序列,分辨率为720 x 480.该集合代表了各种场景和视点中的自然行动池。通过发布数据集,我们希望鼓励在无约束的环境中进一步研究这类动作识别。自推出以来,该数据集已被用于众多应用,例如:动作识别,动作定位和显着性检测。


    数据集操作

    数据集包括以下10个操作。上图显示了所有十个动作的示例框架,以及以黄色显示的人类边界框注释。

    Diving(14个视频)
    Golf Swing(18个视频)
    Kicking(20个视频)
    Lifting(6个视频)
    Riding Horse(12个视频)
    Running(13个视频)
    SkateBoarding(12个视频)
    Swing-Bench(20个视频)
    Swing-Side(13个视频) )
    散步(22视频)

     

    数据集摘要

    下表总结了数据集的特征。

    图:UCF Sports的特征总结。

     

    统计

    下图显示了每个操作的剪辑数量的分布,因为每个类中的剪辑数量不同。


    图:每个操作类的剪辑数。

     

    下图说明了每个动作类的剪辑总持续时间(蓝色)和平均剪辑长度(绿色)。显然,与步行或跑步相比,某些动作本质上是短的,例如踢腿,其相对较长并且具有更多的周期性。但是,从图表中可以明显看出,动作片段的平均持续时间在不同类别中表现出很大的相似性。因此,仅考虑一个剪辑的持续时间将不足以识别动作。


    图:每个动作类的视频剪辑总时间以蓝色显示。每个动作的平均剪辑长度以绿色显示。

     

    推荐的实验设置

    • 行动认可

      Leave-One-Out(LOO)交叉验证方案:建议如[1]中所述,通过使用Leave-One-Out(LOO)交叉验证方案在UCF Sports上进行测试。此场景采用一个示例视频进行测试,并使用动作类的所有剩余视频进行训练。这是以循环方式对每个样本视频执行的,并且通过平均所有迭代的准确度来获得总体准确度。

    • 行动本地化

      训练/测试分裂:建议使用[*]中建议的训练/测试分组。拟议的实验设置将数据集分成两个不均匀的部分:三分之二的视频用于培训,三分之一用于测试。为了计算准确度,使用交叉结合标准来绘制具有特定重叠阈值的ROC曲线。交叉联合计算预测的边界框和地面实况之间的重叠,并将其除以每个边界的两个边界框的并集。然后,该值在视频中的所有帧上取平均值。20%的重叠阈值用于该实验。针对重叠阈值的曲线下面积(AUC)(其示出了在阈值改变时性能如何变化)用于计算最终性能。要计算重叠,


      [*] Tian Lan,Yang Wang和Greg Mori,用于联合行动本地化和识别的以图形为中心的模型,IEEE国际计算机视觉会议(ICCV),2011。


    暂无相关内容。
    暂无相关内容。
    • 分享你的想法
    去分享你的想法~~

    全部内容

      欢迎交流分享
      开始分享您的观点和意见,和大家一起交流分享.
    所需积分:15 去赚积分?
    • 953浏览
    • 9下载
    • 1点赞
    • 收藏
    • 分享