自制AVA数据集工具/slowfast模型训练数据集制作

AVA2.1版本更新了追踪这一列。

那2.2版本请参考此链接文章：自定义ava数据集及训练与测试 完整版 时空动作/行为 视频数据集制作 yolov5, deep sort, VIA MMAction, SlowFast_CV-杨帆的博客-CSDN博客_ava数据集训练

本文提供了 AVA V2.1 版本数据集制作脚本。

V2.2版本多了一列追踪。

觉得有用的可以顺手在github点个star，给你们比心心，哈哈哈

提供了 train/val.csv v2.1文件生成，

如果你做slowfast行为检测，还提供 annotations\person_box_67091280_iou90下文件即包含prediecred框文件的生成。

如果你使用的facebook(meta)的slowfast，本脚本完全适用。

如果你用的openmmlab平台里的sowfast,需要自行对含有score的csv文件做一个转pkl的脚本，并且删除action kind一列。

自动获取time，坐标，自动获取score。

action kind 手动在 VIA3.0 上标注。

详细信息请阅读README

GitHub - Blueyao17/self-made_ava_dataset_tool: Some scripts on generating homemade AVA format datasetsSome scripts on generating homemade AVA format datasets - GitHub - Blueyao17/self-made_ava_dataset_tool: Some scripts on generating homemade AVA format datasetshttps://github.com/Blueyao17/self-made_ava_dataset_tool上述脚本可能还有一些不完善的地方，希望同行们继续完善修改。

train.csv V2.1

 annotations\person_box_67091280_iou90 下的文件：（slowfast模型AVA训练需要）

----------------------------------------------------

具体使用如下：

step1：

1.先安装 mmcv-full，cuda版本和torch版本要与自己环境对应

pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html

  For example: pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.8.0/index.html

2. 下载检测权重，地址为： 

https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_2x_coco/faster_rcnn_r50_fpn_2x_coco_bbox_mAP-0.384_20200504_210434-a5d8aa15.pth

3.修改为你需要的行为标签：  

 在 detectron2_outvia3.py 文件代码 118行处

 4.生成via3需要的json文件，例如：

    python detectron2_outvia3.py E:\ava\faster_rcnn_r50_fpn_2x_coco.py 
    E:\ava\faster_rcnn_r50_fpn_2x_coco_bbox_mAP-0.384_20200504_210434-a5d8aa15.pth
    --input E:\ava\org_img\*.jpg
    --gen_via3
    --output E:\ava\annotations_proposal
    --score-thr 0.5
    --show

生成结果：

step2：获取需要的标签文件 

1.下载via3标注工具： https://www.robots.ox.ac.uk/~vgg/software/via/

 2.打开 via_image_annotator.html

3.加载之前检测的图片，点击红色框

4.加载生成的json文件，点击绿色框

 5.加载完后，删除不需要框，调整需要调整的框，并打标签

 6.保存打好标签后的json文件，如  via3_saved_json/via_ground_truth_test.json

7. 运行 gt_json2csv.py 将标签 转化为AVA2.1格式，先自行修改里面的三处路径。代码写的很草率，有需要的自行完善一下。  如：self-made_ava_dataset_tool/ann_csv/ground_truth.csv

生成的AVA2.1格式如图，标签随便乱打的：

 Step3（slowfast用）：

Note:   此处你只需要删除不需要的检测框即可，无需调整框的大小。

           至于这一处为避免麻烦，需不需要和step2生成的文件使用相同的，看个人选择，最后效果本人未做过实验。slowfat里使用的预检测的csv文件和标签的csv文件不是同一个。

如果你使用的Facebook/slowfast，那么你需要用到此文件。

 如果你使用的openmmlab平台的slowfast 你只需要把生成后的文件的标签一列删除，并且转换成pkl文件。

1.先通过VIA3来进行删除无用的坐标框，并打个标签，生成预检测的json文件

2.先修改里面的路径，运行  predicted_json2csv.py 文件，生成预见测的csv文件。

如：self-made_ava_dataset_tool/ann_csv/predicted_ann.csv

注意，部分脚本只是随手一写，可能有不太合适的地方，自己使用的时候可以视情况修改完善。

暂时没有研究V2.2版本的，有大神可以做一下分享一下。