dartscribe

该数据集是dartscribe项目的训练数据，包含飞镖盘的多视角图像及其标注信息。每张图像均标注了镖盘上的81个关键点（包括牛眼和80个交叉点）的像素坐标。数据集由Ercan Akyürek记录和标注。数据结构包括：boards/目录，内含每个飞镖盘的设备照片（device-0.jpg）和对应的YAML文件（记录板尺寸、相机分辨率及81个点）；throws/目录，按投掷会话和分组组织，包含空板图像（throw-0-device-*.jpg）、投掷后图像（throw-n-device-*.jpg）、取镖过程帧（takeout-k-device-*.jpg）以及YAML文件（记录每个相机的板尺寸、81个点坐标、飞镖的段、倍数和板位置）。该数据集可用于目标检测（如检测飞镖或镖盘点）和图像分类任务。This dataset is the training data for the dartscribe project, containing multi-view images of dartboards with their annotations. Each image is annotated with pixel coordinates of 81 key points on the dartboard (including the bullseye and 80 intersection points). The dataset was recorded and annotated by Ercan Akyürek. The data structure includes: the boards/ directory, which contains device photos (device-0.jpg) and corresponding YAML files (recording board dimensions, camera resolution, and 81 points) for each dartboard; the throws/ directory, organized by throwing sessions and groups, containing empty board images (throw-0-device-*.jpg), post-throw images (throw-n-device-*.jpg), takeout process frames (takeout-k-device-*.jpg), and YAML files (recording board dimensions, 81 point coordinates, dart segment, multiplier, and board position for each camera). This dataset can be used for object detection (e.g., detecting darts or dartboard points) and image classification tasks.

原始信息汇总

dartscribe 数据集

基本信息

• 数据集名称：dartscribe
• 许可证：CC BY-SA 4.0
• 任务类别：目标检测（object-detection）、图像分类（image-classification）
• 标签：darts、dartboard
• 来源：dartscribe 的训练数据，由 Ercan Akyürek 录制和标注。

数据内容

每张图像均标注了飞镖靶的 81 个靶点（靶心 bull 及 80 个交叉点）的像素坐标。

目录结构

boards 目录

• boards/<id>/device-0.jpg：飞镖靶照片
• boards/<id>/data.yaml：靶盘尺寸、相机分辨率及 81 个靶点

throws 目录

• throws/<session>/<group>/throw-0-device-<i>.jpg：空靶盘，三台相机
• throws/<session>/<group>/throw-<n>-device-<i>.jpg：第 n 支飞镖投掷后的靶盘
• throws/<session>/<group>/takeout-<k>-device-<i>.jpg：拔镖过程中的帧
• throws/<session>/<group>/data.yaml：靶盘尺寸、每台相机的 81 个靶点，以及飞镖信息（分区 segment、倍数 multiplier、靶盘位置 board position）

搜集汇总

数据集介绍

构建方式

该数据集由Ercan Akyürek拍摄并标注，旨在为飞镖自动计分系统dartscribe提供训练与验证资源。每幅图像均精确记录了飞镖靶盘的81个关键点（包括靶心及80个交叉点）的像素坐标，这些点构成了靶面几何结构的基础。数据采集覆盖多种设备分辨率与拍摄角度，针对同一靶盘从三个摄像头同步获取图像，并逐一记录投掷前后及拔镖过程中的帧序列。标注信息以YAML格式存储，包含靶盘尺寸、相机参数、点位坐标以及每支飞镖的落点区域、倍数和板面位置，从而形成结构化的多模态数据。

特点

该数据集的核心特色在于其精细的时空标注与多视角同步采集。每个投掷会话均包含空板、逐镖落定及拔镖过程的完整图像序列，并配有逐帧的飞镖状态描述，为动态场景理解提供了丰富素材。数据覆盖81个靶面基准点，兼顾高分辨率设备与普通摄像头，增强了模型对不同成像条件的适应性。标签体系同时支持目标检测与图像分类任务，既可定位靶盘结构，也能识别飞镖落点区域，利于多任务联合学习。

使用方法

使用该数据集时，可依据目录结构分别加载靶盘图像与投掷序列。boards目录下的图像用于训练靶盘关键点检测模型，通过data.yaml中81个点的坐标回归靶面几何。throws目录则提供时序数据，可按session和group组织，利用多相机视角及投掷前后帧进行飞镖落点检测与计分预测。data.yaml内包含每台相机的点位坐标及飞镖的segment、multiplier和board position信息，可直接作为监督信号。用户可基于这些标注构建目标检测、图像分类或时序分析模型，并利用多视角数据增强泛化能力。

背景与挑战

背景概述

飞镖运动作为一项历史悠久且广受欢迎的竞技项目，其自动化分析与记分技术长期依赖人工判读或专用硬件，难以兼顾低成本与高精度。2023年，Ercan Akyürek独立构建并发布了dartscribe数据集，旨在为飞镖盘关键点检测、飞镖落点识别与自动记分提供基础训练资源。该数据集包含多视角拍摄的飞镖盘图像（含空盘及投掷后状态），并标注了每个棋盘的81个关键点（牛眼及80个交叉点）以及每次投掷的飞镖分区、倍数和盘面位置信息。其核心研究问题在于如何从普通相机拍摄的图像中鲁棒地定位飞镖盘几何结构并精确推断飞镖落点，从而摆脱对电子靶盘等专用设备的依赖。该数据集为计算机视觉在体育分析中的落地提供了有价值的基准，推动了低成本自动记分系统的发展。

当前挑战

dartscribe数据集所应对的领域问题具有显著挑战性：飞镖盘表面纹理复杂且存在反光，关键点（尤其是交叉点）在低分辨率或遮挡条件下难以精确定位；多相机视角下需保持81个点的空间一致性，且投掷后飞镖可能遮挡盘面区域，增加检测难度。构建过程中亦面临诸多困难：数据采集需保证不同光照、相机分辨率和棋盘尺寸下的稳定性，手工标注81个点的工作量巨大且易引入误差；同时，飞镖落点信息（分区、倍数、坐标）需与图像帧精确对应，要求严格的同步与校验流程。这些挑战使得dartscribe成为评估关键点检测与细粒度目标识别算法的严苛测试平台。

常用场景

经典使用场景

在计算机视觉的飞镖运动分析领域，dartscribe数据集凭借其对飞镖盘81个关键点（包括靶心及80个交叉点）的像素级标注，成为飞镖投掷检测与得分识别的经典基准。研究者常将其用于训练目标检测模型，以自动定位飞镖落点并判别得分区域，亦可用于图像分类任务，区分飞镖击中不同扇区及倍率。该数据集提供的多摄像头视角与投掷序列图像，为动态场景下的飞镖追踪与姿态分析提供了丰富素材。

解决学术问题

该数据集有效缓解了飞镖运动分析中标注数据匮乏的困境，解决了飞镖落点自动检测与得分计算这一长期依赖人工判读的学术难题。通过提供精确的飞镖盘几何点标注及投掷前后图像序列，它使得研究者能够验证计算机视觉算法在复杂背景、光照变化及遮挡条件下的鲁棒性。其意义在于推动了体育视频分析向自动化、精细化方向发展，为后续研究提供了可重复的实验基准。

衍生相关工作

基于dartscribe数据集，研究者已衍生出一系列经典工作，包括飞镖落点检测网络、多视角融合的得分估计算法以及投掷动作识别模型。这些工作进一步拓展至其他体育项目的关键点检测与事件分析，如射箭与台球。数据集的开源特性促进了跨学科合作，催生了结合深度学习和传统几何方法的混合解决方案，为体育智能化提供了重要参考。