极市导读
本文收集了与足球相关的一些图像分类、目标检测灯开源数据集资源，均附有下载链接。 >>加入极市CV技术交流群，走在计算机视觉的最前沿
IAUFD：用于自动足球分析的 100k 图像数据集
数据集下载链接：http://suo.nz/2GKRSL
IAUFD包含了来自2个国家33个足球视频的100000张真实世界图像；508分钟，按10个事件类别注释。这些类别包括显示的图像：大门、球场中心、球员庆祝、红牌、黄牌、球、球场、裁判、点球位置和任意球。
足球 Vs 橄榄球图片分类
数据集下载链接：http://suo.nz/2Oh4FI
图像中可能有不同的方面帮助你将其识别为橄榄球，可能是球的形状或球员的服装。该数据集使用了两个最大的图像数据源，即ImageNet和Google OpenImages。总共下载了3058张图片，分为训练和测试。我对训练文件夹进行了80-20的分割，其中训练文件夹有2448张图片，测试文件夹有610张图片。橄榄球和足球两个类别都有1224张图片。
足球图像数据集（附注释）
数据集下载链接：http://suo.nz/2VNhKp
可用于检测识别足球队伍以及队伍人数。
板球-足球-棒球分类
数据集下载链接：http://suo.nz/33juP6
该数据集包含 252 张打板球、踢足球和打棒球的图像。主文件夹中有 3 个子文件夹 (1) cricket (2) football (3) baseball (cricket-football-baseball)。
足球运动员位置图像数据集
数据集下载链接：http://suo.nz/3447kz
这是一个包含 1.8K 训练、100 个有效图像和 50 个足球运动员测试图像的数据集，这些图像位于中锋、四分卫 (qb)、防守后卫 (db) 和线卫 (lb) 等直截了当的位置。数据集中的所有图像都应用了自动定位。该数据集可以实时检测各种场景的玩家，并帮助识别特定玩家。在高级用例中，如果使用其他模型进行训练，该数据集可以在比赛期间协助裁判规则的执行和监管。
公众号后台回复“CNN综述”获取67页综述深度卷积神经网络架构
技术干货：损失函数技术总结及Pytorch使用示例｜深度学习有哪些trick？｜目标检测正负样本区分策略和平衡策略总结
实操教程：GPU多卡并行训练总结（以pytorch为例）｜CUDA WarpReduce 学习笔记｜卷积神经网络压缩方法总结
# 极市原创作者激励计划 #
极市平台深耕CV开发者领域近5年，拥有一大批优质CV开发者受众，覆盖微信、知乎、B站、微博等多个渠道。通过极市平台，您的文章的观点和看法能分享至更多CV开发者，既能体现文章的价值，又能让文章在视觉圈内得到更大程度上的推广，并且极市还将给予优质的作者可观的稿酬！
我们欢迎领域内的各位来进行投稿或者是宣传自己/团队的工作，让知识成为最为流通的干货！
对于优质内容开发者，极市可推荐至国内优秀出版社合作出书，同时为开发者引荐行业大牛，组织个人分享交流会，推荐名企就业机会等。
“
点击阅读原文进入CV社区
收获更多技术干货