动作识别(一)——复现双流网络
- 一、本代码运行环境
- 二、代码目录解释
- 三、可视化日志文件步骤
- 四、注意事项
- 五、Two-stream训练网络部分代码
- 六、训练可视化结果
- 七、致谢和说明
- 八、数据和源码地址
本文的目的是为了与相同研究方向的读者进行交流和学习。这也是本人最近在动作识别领域复现的第一篇论文,所以以这样的方式记录下来。本人也坚信,不管做啥事情都要自己去努力,不然别人也帮不了自己。整篇文章的内容主要讲的是本人复现代码的记录,所以需要了解双流网络原理的朋友,去参考学习原论文(Two-Stream Convolutional Networks for Action Recognition in Videos),网上链接很多。
图1 用于视频分类的双流架构
一、本代码运行环境
(1)win10;
(2)cuda10.1+RTX2060显卡,自查;
(3)conda 创建环境: conda create -n pytorch python=3.6.2;
(4)安装pyrtorch: pip install torch1.7.1+cu101 torchvision0.8.2+cu101 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
(5)安装其他库: pip install tensorboard, tensorboardX, tqdm, matplotlib
二、代码目录解释
|-data:存放所有数据
|----RGB:存放RGB图像
|----UCF101:存放原始视频数据,需要自己找链接下载,也可联系本人2447439418@qq.com
|-Gnerate_RGB&FLOW:生成需要的数据,文件内有说明,本人认为很清楚
|-model:存放模型和日志文件
|----models:日志文件
|----.pth:训练好的模型
|-ucfTrainTestlist:数据划分文件
|-其余文件,打开顶部都有解释
三、可视化日志文件步骤
(1)打开终端,切换当前环境和代码目录;
(2)输入tensorboard --logdir model 命令在网页查看训练过程
四、注意事项
(1)RGB和Flow网络的主干网络均为Resent101,RGB网络输入大小为(10, 3, 224, 224),输出为(10, 2);Flow网络输入大小为(10, 20, 224, 224),输出为(10, 2);其中RGB网络采用预训练模型,故开始运行代码时要连接网络,从Pytorch官网下载与训练模型,否则报错;
(2)光流图像可划分为x和y方向上的两个图像,故Flow网络的输入中堆叠光流为20,也即堆叠了10帧光流图像
(3)生成RGB+Flow图像的代码在Gnerate_RGB&FLOW文件中,文档中有说明;
(4)初次下载测试模型和处理好的数据,直接替换当前代码文件中的model和data即可
五、Two-stream训练网络部分代码
"""
训练文件
"""
from LoadUCF101Data import trainset_loader, testset_loader
from two_Stream_Net import TwoStreamNet
import torch
import torch.optim as optim
import os
import socket
import torch.nn.functional as F
from tqdm import tqdm
from datetime import datetime
from tensorboardX import SummaryWriter
# 超参数
EPOCH = 35 # 总训练轮数
LEARNING_RATE = 1e-3 # 初始学习率
MOMENTUM = 0.9 # 动量因子
N_TEST = 2 # 每N_TEST轮测试一次
N_SAVE = 5 # 每N_SAVE轮保存一次模型
SAVE_DIR = "./model"
# 选择设备
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
# 双流网络模型
twoStreamNet = TwoStreamNet().to(device)
# SGD优化器
optimizer = optim.SGD(
params=twoStreamNet.parameters(),
lr=LEARNING_RATE,
momentum=MOMENTUM,
)
# 学习率衰减
scheduler = optim.lr_scheduler.StepLR(optimizer, step_size=30, gamma=0.1) # the scheduler divides the lr by 10 every 10 epochs
# 保存模型
def save_checkpoint(path, model, optimizer):
state = {
'model': model.state_dict(),
'optimizer': optimizer.state_dict()
}
torch.save(state, path)
# 测试函数
def test(i_epoch, epoch, writer):
twoStreamNet.eval()
runing_correct = 0
runing_loss = 0
with torch.no_grad():
for data in tqdm(testset_loader):
# 加载batch_size个数据
RGB_images, OpticalFlow_images, label = data
RGB_images = RGB_images.to(device)
OpticalFlow_images = OpticalFlow_images.to(device)
label = label.to(device)
# 计算batch_size损失
output = twoStreamNet(RGB_images, OpticalFlow_images)
loss = F.cross_entropy(output, label)
runing_loss += loss.item() * len(label)
# 计算测试集batch_size中正确的个数
max_value, max_index = output.max(1, keepdim=True)
runing_correct += max_index.eq(label.view_as(max_index)).sum().item()
# 计算每个epoch上的平均损失
epoch_loss = runing_loss / len(testset_loader.dataset)
epoch_acc = (runing_correct * 1.0 * 100 / len(testset_loader.dataset)) # 计算准确度
writer.add_scalar('data/test_loss_epoch', epoch_loss, i_epoch-1)
writer.add_scalar('data/test_acc_epoch', epoch_acc, i_epoch-1)
print("[{}] Epoch: {}/{} Loss: {} Acc: {}".format('test', i_epoch, epoch, epoch_loss, epoch_acc))
# 训练函数
def train(epoch, N_TEST, N_SAVE, save_dir):
# 存入日志文件,方便使用tensorboard工具观看训练变化
log_dir = os.path.join(save_dir, 'models', datetime.now().strftime('%b%d_%H-%M-%S') + '_' + socket.gethostname())
writer = SummaryWriter(log_dir=log_dir)
for i in range(epoch):
twoStreamNet.train()
runing_correct = 0
runing_loss = 0
for data in tqdm(trainset_loader):
# 加载bach_size个数据
RGB_images, OpticalFlow_images, label = data
RGB_images = RGB_images.to(device)
OpticalFlow_images = OpticalFlow_images.to(device)
label = label.to(device)
# 更新一次模型参数
optimizer.zero_grad()
output = twoStreamNet(RGB_images, OpticalFlow_images)
loss = F.cross_entropy(output, label)
loss.backward()
optimizer.step()
# 计算当前训练损失
runing_loss += loss.item() * len(label)
# 计算当前正确个数
max_value, max_index = output.max(1, keepdim=True)
runing_correct += max_index.eq(label.view_as(max_index)).sum().item()
scheduler.step() # 学习率衰减策略
print("第%d个epoch的学习率:%f" % (i + 1, optimizer.param_groups[0]['lr']))
# 计算每个epoch上的平均损失
epoch_loss = runing_loss / len(trainset_loader.dataset)
epoch_acc = (runing_correct * 1.0 * 100 / len(trainset_loader.dataset)) # 计算准确度
# 写入日志文件中
writer.add_scalar('data/train_loss_epoch', epoch_loss, i)
writer.add_scalar('data/train_acc_epoch', epoch_acc, i)
# 打印当前轮结果
print("[{}] Epoch: {}/{} Loss: {} Acc: {}".format('train', i + 1, epoch, epoch_loss, epoch_acc))
# 训练N_TEST轮测试一次
if (i+1) % N_TEST == 0:
test(i + 1, epoch, writer)
# 训练N_SAVE轮测试一次,保存一次模型
if (i+1) % N_SAVE == 0:
save = save_dir + "/checkpoint-%i.pth"
save_checkpoint(save % (i+1), twoStreamNet, optimizer)
print("Save checkpoint-{}.pth at {}\n".format(i+1, "./model"))
if __name__ == '__main__':
train(EPOCH, N_TEST, N_SAVE, SAVE_DIR)
六、训练可视化结果
图2 训练过程可视化
七、致谢和说明
本代码参考了大量的作者代码,非常感谢它们!本人代码也要开源!也给自己写一点笔记,嘿嘿!下一篇博客名字已经想好了,【动作识别(二)复现C3D网络】,有时间一定记录下来,感谢大家的交流!
八、数据和源码地址
强调一下,由于UCF101原始数据太大了,本人百度云空间有限,所以将UCF101中的前两个数据拿出来了,并生成了相应的RGB+Flow数据!
处理好的数据地址.提取码:fj2j
测试模型地址.提取码:mp86
DMK-Two-stream源码.提取码:g643