一,开始前的准备
1.1,前言
现在有那么多视频检测框架,为什么选BMN进行复现?
1,2019 年 ActivityNet 夺冠方案
2,这是中国人做出来的,而且作者在知乎也写了详细的讲解(这一点才是最重要的)
3,BMN距离现在时间很近,能算是最前沿的技术,通过对BMN的改进,可以用作我的毕业论文的写作。
1.2,参考资料
ActivityNet Challenge 2019 冠军模型BMN算法全解析
[ICCV 2019][时序动作提名] 边界匹配网络详解
github代码
1.3,系统、深度学习框架、代码
a,windows10系统
b,PaddlePaddle框架,这是百度开发的
c,下载github上的代码:https://github.com/PaddlePaddle/models/tree/develop
1.4,代码下载
下图为BMN代码的文件结构(这个代码文件不止有BMN,包含众多网络框架)
1.5 ,下载数据集
直接采用第二种方式
bmn_feat.tar.gz文件下载后,需要解压2次才能得到fix_feat_100文件,如下图:
在pytcharm中项目文件中打开:configs/bmn.yaml
feat_path: 'data/dataset/bmn/fix_feat_100'
我们把fix_feat_100文件放在data/dataset/bmn/目录下
1.6,CUDA的安装
1.6,paddlepaddle安装
BMN是背靠百度研发出来的,那么一定用的是paddlepaddle框架
paddlepaddle官网安装
1.7,pandas安装
pip install pandas
1.8 模型model下载
下载已发布模型model进行推断