摘要

在体育视频分析等问题中，由于视频长度较长和数据量庞大，难以获得精确的帧级标注和确切的事件持续时间。这一问题在如冰球等快节奏运动中尤为突出。粗略标注可以更加实用且高效。我们提出了一项粗略标注视频中的事件检测任务，并引入了一种多塔时间卷积网络架构来解决该任务。通过多个感受野的帮助，该网络能够在不同的时间尺度上处理信息，以应对事件的确切位置和持续时间的不确定性。我们通过适当的消融实验展示了多感受野架构的有效性。该方法在两个任务上进行了评估：一是NHL数据集中的粗略标注冰球视频事件检测；二是SoccerNet数据集上的足球赛事定位。这两个数据集缺乏帧级标注，并且具有非常不同的事件频率。实验结果表明，该网络在NHL数据集上获得了55%的平均F1分数，并在SoccerNet数据集上取得了与现有最先进方法相当的性能。我们认为我们的方法将有助于开发更为实用的体育视频事件检测流程。