Bayernator/scorelens-data2

ScoreLens – Trainingsdatensätze

Alle Datensätze, mit denen die Modelle scorelens-dd1 … dd9 trainiert wurden – jeweils ein Zip im Ultralytics-YOLO-Format (images/train|val, labels/train|val, data.yaml). Bildgröße 800 × 800.

7 Klassen, alle als Punkt gelabelt (Box fester Größe 0,025 um den Punkt): 20, 3, 11, 6 = Kalibrierpunkte am äußeren Doppelring an den Segmentgrenzen 5/20, 17/3, 8/11, 13/6 · dart = Einstichpunkt der Dartspitze · 9, 15 = Zusatz-Kalibrierpunkte (vom Modell vorgelabelt, keine Referenz).

Datei	Bilder train / val	Inhalt	trainierte Modelle
data2.zip	5.536 / 615	Auswahl aus DeepDarts D1 (frontal) + alle 1.050 D2-Bilder (seitlich)	dd2
data3.zip	12.865 / 1.441	data2 + 8.155 synthetische Schrägsichten (Board-Ebene 25–50° gedreht)	dd3, dd4
data4.zip	21.903 / 1.440	data2 + 14.133 Schrägsichten + 3.059 vermehrte harte Fälle (drei Darts, enge Spitzen, Randtreffer)	dd5
data6.zip	71.132 / 1.579	alle 16.050 DeepDarts-Bilder + 32.486 Schrägsichten + 8.188 harte Fälle + 30 % realitätsnah gestörte Fassungen (dunkel, unscharf, verrauscht, JPEG, Schatten)	dd6, Basis von dd7–dd10
data7.zip	siehe Zip / 1.579	Zufallshälfte des data6-Trainings + 10.000 Roboflow-Bilder (score-lpfmv/darts-bjj98)	dd7
data8.zip	75.969 / 1.579	data6 + 1.929 extra steile Schrägsichten (55–70°) + 2.908 vom Vorgänger als schwer erkannte Roboflow-Bilder	dd8
val_hard.zip	nur Val	hartes Validierungsset: D2-Originale, 45–60°-Schrägsichten und gestörte Fassungen der Val-Bilder	Modellauswahl ab dd6
base.pt	–	Ausgangsgewichte (dart-sense, YOLOv8n)	dd1 startet hiervon

Im Trainingslauf werden die seitlichen D2-Bilder doppelt gezeigt; die in den Model Cards genannten Bildzahlen (z. B. 77.884 bei dd6) sind deshalb höher. Ein „data5" gab es nie – dd5 wurde auf data4 trainiert.

Die Validierung ist in allen Datensätzen dieselbe: ein fester Anteil echter DeepDarts-Bilder (Hash über den Dateinamen), der in keinem Training vorkommt.

data9 (dd9) und data10 (dd10) gibt es nicht als Datei: Sie werden im Trainings-Kernel aus data6 und weiteren Quellen gebaut (112.834 bzw. ~270.000 Bilder) und überschreiten die Ausgabegrenze von Kaggle. Alle Zufallswerte haben feste Startwerte, der Bau ist also reproduzierbar. Die Fremdquellen dafür: scorelens-rf10-quellen.

Gemessen werden die Modelle auf dem Benchmark v3.1 · Rangliste.

Quellen und Rechte

• DeepDarts – McNally et al., „DeepDarts: Modeling Keypoints as Objects for Automatic Scorekeeping in Darts using a Single Camera“, CVPRW 2021 (Code, Daten über IEEE DataPort). Alle Fotos und die Spitzen-/Kalibrier-Labels stammen von dort.
• Roboflow score-lpfmv/darts-bjj98 (CC BY 4.0) – in data7 und data8.
• dart-sense (bnww/dart-sense, CC BY-NC 4.0) – base.pt und das 7-Klassen-Schema.

Eigene Leistung dieses Repos sind die Auswahl, die synthetischen Schrägsichten, die Bildstörungen und die Vermehrung harter Fälle. Die Rechte an den Ausgangsbildern liegen bei den genannten Urhebern; wegen base.pt ist die Nutzung nicht kommerziell.