01【C3D 行为识别】项目下载 环境配置 数据集转化视频帧 UCF101数据集处理

【C3D 行为识别】总目录 实战 复现+代码解析+自定义数据集

B站视频:
https://www.bilibili.com/video/BV1cT4y1f73S?spm_id_from=333.999.0.0

一,创建实例

平台:极链AI云平台

创建实例,选一个最便宜的GPU
在这里插入图片描述
选择镜像版本
在这里插入图片描述
看看详情,再点击创建实例(这里的数据集可以不做选择)
在这里插入图片描述

点击Jupyter Lab
在这里插入图片描述
Jupyter Lab界面如下:
在这里插入图片描述

二,环境的快速搭建

由于我是采用平台的镜像,所以不需要安装pytorch和cuda,如果不是采用平台的,可以参考下面两个链接里的内容

https://blog.csdn.net/weixin_43013761/article/details/113357328
https://gitee.com/YFwinston/mmaction2/blob/master/docs_zh_CN/install.md

进入home文件夹

cd home/

配置环境

pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.8.0/index.html
pip install mmpycocotools
pip install moviepy  opencv-python terminaltables seaborn decord -i https://pypi.douban.com/simple
其中,命令里 url 的 cu111 和 torch1.8.0 变量需由用户进行指定。

下载项目

git clone https://github.com/open-mmlab/mmaction2.git
cd mmaction2
python setup.py develop

三,UCF101数据集处理

3.1 准备视频文件

这里建议通过迅雷进行下载,直接下载速度太慢
下载链接:https://www.crcv.ucf.edu/datasets/human-actions/ucf101/UCF101.rar

下载好了之后,将数据上传到平台的/user-data中,上传通过命令传输
在这里插入图片描述
上传成功后:
在这里插入图片描述
下一步解压文件夹

unrar x UCF101.rar

如果没有安装unrar,参考这个:linux rar,unrar命令安装
解压后,会生成UCF-101文件,其中部分视频文件如下
在这里插入图片描述
然后在/user-data下创建ucf101文件夹,将UCF-101移入ucf101文件夹中,再在ucf101夹中创建videos文件夹。
在/user-data/ucf101/下运行:

mv ./UCF-101 ./videos

3.2 下载标注文件

在/user-data/ucf101/ 文件夹下 创建 annotations 文件夹,然后进入annotations
输入:

wget https://www.crcv.ucf.edu/wp-content/uploads/2019/03/UCF101TrainTestSplits-RecognitionTask.zip --no-check-certificate

然后解压:

unzip UCF101TrainTestSplits-RecognitionTask.zip

3.3 抽取视频帧

首先创建软链接(/user-data下有我们在3.1和3.2创建的ucf101数据集)
进入到目录:/home/mmaction2/

ln -s  /user-data data

进入/home/mmaction2/tools/data下

python build_rawframes.py /user-data/ucf101/videos/ /user-data/ucf101/rawframes/ --task rgb --level 2 --ext avi --use-opencv --new-short 0 --new-width 320 --new-height 240

3.4 生成文件列表

进入:/home/mmaction2/tools/data/ucf101
输入:

bash generate_rawframes_filelist.sh
bash generate_videos_filelist.sh

最后结构

最后的/user-data/ucf101文件夹应有这些东西
在这里插入图片描述
最后的结构


│   ├── ucf101
│   │   ├── ucf101_{train,val}_split_{1,2,3}_rawframes.txt
│   │   ├── ucf101_{train,val}_split_{1,2,3}_videos.txt
│   │   ├── annotations
│   │   ├── videos
│   │   │   ├── ApplyEyeMakeup
│   │   │   │   ├── v_ApplyEyeMakeup_g01_c01.avi

│   │   │   ├── YoYo
│   │   │   │   ├── v_YoYo_g25_c05.avi
│   │   ├── rawframes
│   │   │   ├── ApplyEyeMakeup
│   │   │   │   ├── v_ApplyEyeMakeup_g01_c01
│   │   │   │   │   ├── img_00001.jpg
│   │   │   │   │   ├── img_00002.jpg
│   │   │   │   │   ├── ...
│   │   │   │   │   ├── flow_x_00001.jpg
│   │   │   │   │   ├── flow_x_00002.jpg
│   │   │   │   │   ├── ...
│   │   │   │   │   ├── flow_y_00001.jpg
│   │   │   │   │   ├── flow_y_00002.jpg
│   │   │   ├── ...
│   │   │   ├── YoYo
│   │   │   │   ├── v_YoYo_g01_c01
│   │   │   │   ├── ...
│   │   │   │   ├── v_YoYo_g25_c05

四,参考

https://blog.csdn.net/weixin_43013761/article/details/107765771
https://blog.csdn.net/qq_39862223/article/details/108461526
https://gitee.com/YFwinston/mmaction2/tree/master/tools/data/ucf101

  • 5
    点赞
  • 78
    收藏
    觉得还不错? 一键收藏
  • 15
    评论
要进行行为识别C3D训练自己的数据集,首先需要进行以下步骤: 1. 准备数据集:根据您的需求,收集并准备合适的训练数据集。可以使用视频数据来进行训练,常见的视频行为识别数据库包括UCF101、HMDB-51、Something-Something V2、AVA v2.2、Kinetic-700等[2]。UCF101是分类任务,而AVA v2.2是检测任务。您可以选择合适的数据库或根据您的需求自行收集视频数据。 2. 数据预处理:对于C3D训练,需要对数据进行预处理。根据引用中提供的信息,UCF101数据集视频文件已经按照类别存放于不同的文件夹下。您可以按照自己的数据集的组织方式进行调整。此外,还可以对视频进行剪辑、采样和调整分辨率等操作,以适应模型的输入要求。 3. 划分训练集和测试集:根据您的需要,将数据集划分为训练集和测试集。可以使用已有的数据集划分方式,例如UCF101数据集的trainlist和testlist文件,或者根据您的需求自行划分。 4. 准备标签文件:为训练数据集准备标签文件,标明每个视频的类别或动作。可以参考已有的标签文件,例如UCF101数据集的classInd.txt文件。 5. 配置环境:确保您已经正确配置了C3D行为识别模型的训练环境。这包括安装必要的依赖库和框架,并配置好GPU加速等。 6. 训练模型:使用C3D模型对准备好的数据集进行训练。可以根据已有的代码或框架进行训练,例如使用C3D模型在PyTorch框架下进行训练。您可以参考引用中提供的相关项目下载和复现的信息。 总结起来,要进行行为识别C3D训练自己的数据集,您需要准备合适的数据集,进行数据预处理,划分训练集和测试集,准备标签文件,配置环境,然后使用C3D模型对数据集进行训练。以上是一个基本的步骤,具体的实施细节还需根据您的具体需求和环境进行调整。
评论 15
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值