SoccerNet挑战赛近年来一直由CVPR会议的CVsports研讨会（International Workshop on Computer Vision in Sports，计算机视觉在体育中的应用国际研讨会）主办，赛题涉及足球比赛视频理解中的多项任务。SoccerNet挑战赛的官网是https://www.soccer-net.org；参赛的开发工具包可通过GitHub（https://github.com/SoccerNet）获取。
SoccerNet数据集
这里的SoccerNet一词源自SoccerNet数据集的命名。SoccerNet数据集创建于2018年；创建时包含500场完整的足球比赛视频，比赛出自2014至2017年间的欧洲冠军联赛、英格兰足球超级联赛等六大欧洲足球赛事，视频总时长接近800小时。对于该数据集的标注最初仅包括进球、黄红牌出示和换人三种事件的时间标注。
在后续的SoccerNet-v2数据集中，被标注的事件类型扩展至点球、解围、界外球等，事件类型的总数达到了17种。SoccerNet-v2数据集还增加了对镜头变换（例如回放等）的标注[1]。
2022年发布的SoccerNet-v3数据集进一步增加了对球员、球、场地边线、球门等的空间位置的标注。同年发布的SoccerNet-Tracking数据集是一个多目标跟踪（Multi-Object Tracking）数据集，其中被标注的内容包含了多种目标的边框及编号、运动员球衣号码、球队标识等[1][2]。
SoccerNet-Tracking数据集标注示例[2]
2023年发布的SoccerNet-Captions数据集针对足球比赛中的各类事件增加了自然语言描述。同年发布的SoccerNet-MVFouls数据集是一个多视角视频数据集，用于足球比赛中犯规的识别和特征分析[3][4]。
多视角视频示意图[4]
2024年新增的数据集包括[5]：
- SoccerNet-Depth数据集，用于比赛视频中的单目深度估计；
- SoccerNet-XFoul数据集，包括足球比赛中裁判判罚的视频问答；
- SoccerNet-GSR数据集，用于足球比赛的状态重建。
历年新增的SoccerNet数据集，为历年SoccerNet挑战赛引入新赛题提供了基础。
SoccerNet 2025挑战赛
基于SoccerNet数据集的SoccerNet挑战赛最早于2021年开始举办，至今已经举办了5届。
SoccerNet 2025挑战赛在前不久已经落下了帷幕。我国的多支参赛队取得了不凡的战绩[6]。
SoccerNet 2025挑战赛共设有四个赛题，每个赛题都至少有十几支参赛队参赛，每个赛题都设有各自的榜单。
赛题一：球队-球动作识别
该赛题的组织和牵头人是上届挑战赛中的球动作识别（Ball Action Spotting）赛题的冠军队成员Artur Xarles[6]。
本届挑战赛的“球队-球动作识别”（Team Ball Action Spotting）赛题要求针对足球比赛视频中的传球（Pass）、头球（Header）、传高球（High Pass）、传中（Cross）、掷界外球（Throw In）、射门（Shot）、球员成功铲球（Player Successful Tackle）、任意球（Free Kick）、进球（Goal）等12种动作进行识别、确定动作发生时间，并区分出哪支球队（摄像画面中的左方球队还是右方球队）做出了有关的动作。
“球队-球动作识别”赛题示意图[6]
该赛题与往届SoccerNet挑战赛中的动作识别（Action Spotting）赛题、以及球动作识别（Ball Action Spotting）赛题相比，主要不同在于：
- 基于不同的数据集——该赛题基于Footovision公司提供的数据集，其中包括7场经过标注的英格兰足球联赛的比赛视频，以及另外两场用于评测的足球赛视频；往届挑战赛中的动作识别（Action Spotting）赛题基于SoccerNet-v2数据集，其中包括500场足球比赛视频，以及另外50场用于评测的足球赛视频；
- 要求识别的动作不同——该赛题要求识别与球相关的12种动作，而往届挑战赛中的动作识别（Action Spotting）赛题要求识别17种各类动作，其中包括黄红牌出示、换人等几种非直接涉及球的动作；
- 增加了区分球队的要求——该赛题要求区分出哪支球队做出了有关动作，而往届挑战赛中的动作识别（Action Spotting）赛题和球动作识别（Ball Action Spotting）赛题不要求区分球队；
- 评测指标不同。
评测指标
该赛题的评测指标为Team-mAP@1，其中，1指的是1秒种——如果预测的时间误差在1秒种之内，时间方面的预测则被视为准确。
Team-mAP@1指标在计算时，首先单独计算每个球队-动作组合的AP@1（Average Precision@1），然后针对每个动作，按照各球队发生该动作的频次进行加权平均，求得所有球队的该动作的AP@1；最后通过平均所有动作的AP@1，得出Team-mAP@1。
基线方案
在上届（即SoccerNet 2024）挑战赛中，球动作识别（Ball Action Spotting）的冠军队创新出了T-DEED（Temporal-Discriminability Enhancer Encoder-Decoder）架构[7][8]；这一方案成为本届挑战赛中本赛题的基线方案。
冠军方案
经评测，本届挑战赛有九支参赛队的方案表现优于基线方案[6]。
多支参赛队（包括本届挑战赛的冠军队在内）在上述T-DEED架构的基础上进行了改进。本届挑战赛冠军队所做的主要改进包括：
- 将T-DEED架构中分别用于球队分类和球动作识别的两个Head合并，仅采用一个Head来预测球队-动作的联合分类；
- 使用早期的含有500场比赛的SoccerNet数据集进行预训练，然后使用本届挑战赛提供的数据集进行微调；
- 使用了更多的数据增强，包括水平镜像、随机裁剪、亮度抖动等。
本届挑战赛冠军队的代码放在了GitHub上（https://github.com/int8/dude.k），同时也打包成Python包，可通过pip进行安装（Python包名称：dude.k）。
【继续阅读本文的第（二）部分】
参考文献
[1] SoccerNet 2022 Challenges Results
https://arxiv.org/abs/2210.02365
使用许可协议：CC BY
https://creativecommons.org/licenses/by/4.0/
[2] SoccerNet-Tracking: Multiple Object Tracking Dataset and Benchmark in Soccer Videos
https://arxiv.org/abs/2204.06918
使用许可协议：CC BY
https://creativecommons.org/licenses/by/4.0/
[3] SoccerNet 2023 Challenges Results
https://arxiv.org/abs/2309.06006
使用许可协议：CC BY
https://creativecommons.org/licenses/by/4.0/
[4] VARS: Video Assistant Referee System for Automated Soccer Decision Making from Multiple Views
https://arxiv.org/abs/2304.04617
使用许可协议：CC BY
https://creativecommons.org/licenses/by/4.0/
[5] SoccerNet 2024 Challenges Results
https://arxiv.org/abs/2409.10587
使用许可协议：CC BY
https://creativecommons.org/licenses/by/4.0/
[6] SoccerNet 2025 Challenges Results
https://arxiv.org/abs/2508.19182
使用许可协议：CC BY
https://creativecommons.org/licenses/by/4.0/
[7] T-DEED: Temporal-Discriminability Enhancer Encoder-Decoder for Precise Event Spotting in Sports Videos
https://arxiv.org/abs/2404.05392
[8] http://github.com/arturxe2/T-DEED
封面图：Tembela Bohle、pexels.com
