Datasets:
Ajout de la carte du dataset
Browse files
README.md
ADDED
|
@@ -0,0 +1,112 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
---
|
| 2 |
+
language:
|
| 3 |
+
- fr
|
| 4 |
+
pretty_name: KyberIA — annotations de gestes de volleyball
|
| 5 |
+
task_categories:
|
| 6 |
+
- object-detection
|
| 7 |
+
tags:
|
| 8 |
+
- volleyball
|
| 9 |
+
- sports-analytics
|
| 10 |
+
- action-detection
|
| 11 |
+
size_categories:
|
| 12 |
+
- 10K<n<100K
|
| 13 |
+
configs:
|
| 14 |
+
- config_name: default
|
| 15 |
+
data_files: annotations_merged.csv
|
| 16 |
+
---
|
| 17 |
+
|
| 18 |
+
# KyberIA — annotations de gestes de volleyball
|
| 19 |
+
|
| 20 |
+
Boîtes englobantes de gestes de joueurs annotées image par image sur des matchs
|
| 21 |
+
de volleyball masculin des JO de Paris 2024. Ce jeu de données provient de
|
| 22 |
+
**KyberIA**, un projet associatif d'analyse vidéo automatique du volleyball
|
| 23 |
+
(YDAYS, Aix Ynov Campus).
|
| 24 |
+
|
| 25 |
+
Il a servi à entraîner un détecteur de gestes YOLO.
|
| 26 |
+
|
| 27 |
+
## Contenu
|
| 28 |
+
|
| 29 |
+
| Fichier | Lignes | Description |
|
| 30 |
+
|---|---|---|
|
| 31 |
+
| `annotations_merged.csv` | 28 010 | Une ligne = une boîte de geste sur une image d'une vidéo |
|
| 32 |
+
|
| 33 |
+
### Colonnes
|
| 34 |
+
|
| 35 |
+
| Colonne | Type | Description |
|
| 36 |
+
|---|---|---|
|
| 37 |
+
| `video_file` | str | Nom du fichier vidéo source du match |
|
| 38 |
+
| `frame` | int | Numéro de l'image dans la vidéo (à partir de 0) |
|
| 39 |
+
| `x1`, `y1` | int | Coin haut-gauche de la boîte, en pixels |
|
| 40 |
+
| `x2`, `y2` | int | Coin bas-droit de la boîte, en pixels |
|
| 41 |
+
| `class_label` | str | Nom du geste |
|
| 42 |
+
| `class_id` | int | Identifiant du geste (0–10), dans l'ordre utilisé pour YOLO |
|
| 43 |
+
|
| 44 |
+
Les coordonnées sont exprimées en pixels sur la vidéo d'origine (1920×1080).
|
| 45 |
+
Quelques boîtes dépassent légèrement du cadre (par exemple `x1 = -8`) et
|
| 46 |
+
doivent être recadrées avant usage.
|
| 47 |
+
|
| 48 |
+
### Classes
|
| 49 |
+
|
| 50 |
+
| `class_id` | `class_label` | Boîtes |
|
| 51 |
+
|---|---|---|
|
| 52 |
+
| 0 | `serve` | 3 347 |
|
| 53 |
+
| 1 | `block` | 3 895 |
|
| 54 |
+
| 2 | `reception` | 3 934 |
|
| 55 |
+
| 3 | `set` | 3 658 |
|
| 56 |
+
| 4 | `attack_4` | 3 191 |
|
| 57 |
+
| 5 | `attack_2-1` | 2 324 |
|
| 58 |
+
| 6 | `attack_3-6` | 2 334 |
|
| 59 |
+
| 7 | `defense` | 2 081 |
|
| 60 |
+
| 8 | `defense_assist` | 621 |
|
| 61 |
+
| 9 | `defense_dive` | 1 276 |
|
| 62 |
+
| 10 | `defense_freeball` | 1 349 |
|
| 63 |
+
|
| 64 |
+
`attack_4`, `attack_2-1` et `attack_3-6` désignent des attaques selon la zone
|
| 65 |
+
du terrain d'où elles partent.
|
| 66 |
+
|
| 67 |
+
### Matchs
|
| 68 |
+
|
| 69 |
+
| Vidéo | Boîtes |
|
| 70 |
+
|---|---|
|
| 71 |
+
| `2024-07-28 JO24 FRA-SRB 3-2.mp4` | 10 227 |
|
| 72 |
+
| `2024-07-30 JO24 FRA-CAN 3-0.mp4` | 8 310 |
|
| 73 |
+
| `2024-08-07 JO24 ITA-FRA 0-3.mp4` | 6 388 |
|
| 74 |
+
| `2024-08-02 JO24 FRA-SLO 2-3.mp4` | 3 085 |
|
| 75 |
+
|
| 76 |
+
## Utilisation
|
| 77 |
+
|
| 78 |
+
```python
|
| 79 |
+
from datasets import load_dataset
|
| 80 |
+
|
| 81 |
+
ds = load_dataset("Juliendnte/KYBERIA", split="train")
|
| 82 |
+
```
|
| 83 |
+
|
| 84 |
+
ou
|
| 85 |
+
|
| 86 |
+
```python
|
| 87 |
+
import pandas as pd
|
| 88 |
+
|
| 89 |
+
df = pd.read_csv("hf://datasets/Juliendnte/KYBERIA/annotations_merged.csv")
|
| 90 |
+
```
|
| 91 |
+
|
| 92 |
+
Pour passer au format YOLO (`class cx cy w h`, normalisé) :
|
| 93 |
+
|
| 94 |
+
```python
|
| 95 |
+
W, H = 1920, 1080
|
| 96 |
+
df[["x1", "x2"]] = df[["x1", "x2"]].clip(0, W)
|
| 97 |
+
df[["y1", "y2"]] = df[["y1", "y2"]].clip(0, H)
|
| 98 |
+
df["cx"] = (df.x1 + df.x2) / 2 / W
|
| 99 |
+
df["cy"] = (df.y1 + df.y2) / 2 / H
|
| 100 |
+
df["w"] = (df.x2 - df.x1) / W
|
| 101 |
+
df["h"] = (df.y2 - df.y1) / H
|
| 102 |
+
```
|
| 103 |
+
|
| 104 |
+
## Limites
|
| 105 |
+
|
| 106 |
+
- **Les images ne sont pas fournies.** Seules les annotations sont publiées.
|
| 107 |
+
Pour entraîner un modèle, il faut extraire les images correspondantes depuis
|
| 108 |
+
les vidéos sources.
|
| 109 |
+
- Les annotations couvrent uniquement les gestes visibles depuis le plan de
|
| 110 |
+
diffusion TV, avec un seul angle de caméra.
|
| 111 |
+
- Les classes sont déséquilibrées (`defense_assist` compte environ 6 fois
|
| 112 |
+
moins de boîtes que `reception`).
|