Juliendnte commited on
Commit
b60b61c
·
verified ·
1 Parent(s): 00a30a9

Ajout de la carte du dataset

Browse files
Files changed (1) hide show
  1. README.md +112 -0
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`).