facebookresearch SlowFast 自定义ava数据集

已于 2025-03-19 00:30:13 修改
阅读量75 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 计算机视觉实践 slowfast 文章标签： python 开发语言
于 2022-10-17 18:05:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/WhiffeYF/article/details/127368058

目录


我们先看看数据集的格式

ava_train_v2.1.csv

在这里插入图片描述

ava_val_v2.1.csv

在这里插入图片描述

ava_action_list_v2.1_for_activitynet_2018.pbtxt

在这里插入图片描述

ava_train_excluded_timestamps_v2.1.csv

在这里插入图片描述

ava_val_excluded_timestamps_v2.1.csv

在这里插入图片描述

train.csv

在这里插入图片描述
在这里插入图片描述

val.csv

在这里插入图片描述

ava_train_predicted_boxes.csv

在这里插入图片描述

ava_val_predicted_boxes.csv

在这里插入图片描述
ava_test_predicted_boxes.csv
在这里插入图片描述

【slowfast 减少ava数据集】将ava数据集缩小到2个，对数据集做训练，然后进行检测，为训练自己的数据集做准备
sinat_28371057的博客
08-05 1319
目录 前言 一，数据文件结构 1.1 myava 1.2 annotations 1.3 annotations文件处理 1.4 frame_lists 1.5 frames 二，预训练模型 四，配置文件 4.1 创建新的yaml文件 4.2 yaml文件解释 五，训练 六，结果查看 前言 b站讲解 ava的数据集非常大，训练起来非常慢，这次我就把ava的数据集缩小到2个视频（原本有299个视频），这样做的目的是观察slowfast是如何训练ava数
【slowfast复现 训练】训练过程 制作ava数据集 复现 SlowFast Networks for Video Recognition 训练 train
sinat_28371057的博客
08-05 3327
目录 前言 一，ava相关文件准备 1.1 空间准备（500G） 1.2 整体ava文件结构 1.3 frames文件 1.4 frame_lists 文件 1.5 annotations 文件 二，预训练模型 三，配置文件 3.1 创建新的yaml文件 3.2 yaml文件解释 四，训练 前言 b站视频讲解 slowfast官网 之前写了一个博客，是用slowfast的检测一个自己的视频的demo：【SlowFast复现】SlowFast Net
AVA Actions Dataset 详解
热门推荐
清欢
07-08 1万+
文章目录0. 前言1. AVA简介1.1. 基本情况1.2. 如何获取1.3. 数据集构建过程1.4. annotations 解析2. SlowFast2.1. 构建 `Ava` 对象2.3. 读取某个keyframe信息3. MMAction 0. 前言 要基于AVA数据集做一些工作，网上的文章都不能满足我的要求，所以自己写一篇记录一下。 参考资料： 官网(需要翻墙) 相关论文 感想： 行为识别数据集下载真的困难，国内搞过的都懂…… 作为组里第一个吃螃蟹的，到现在还在跟 Kinetics-7
mmaction2自定义ava数据集进行时空动作识别（第二部分）
qq_40912605的博客
10-12 1140
window下面自定义ava数据集
SlowFast神经网络！github克隆到运行成功全过程实战篇
j18423532754的博客
10-12 7036
前言 上次更新了SlowFast，虽然没得好多人看，但是还是想把他更新完，为什么呢，其实我开始拿到SlowFast这个facebook写得项目的时候，很头疼。中国这边介绍slowfast的少之又少，搜来搜去的没有一点结果，那我就抛开了那些，认认真真的去读官方的手册和翻墙去和外面的人讨论，最后也确实帮我提升了不少，相信用slowfast跑项目的我们这边的人，我们确实是一种缘分。也希望，这种比较好的项目能在我们中国也能讨论起来，借鉴学习一下。 回顾 上一次写的文章告诉大家要从我们上次项目结构中的1、2
【ffmpeg裁剪视频faster rcnn自动检测 via】全自动实现ffmpeg将视频切割为图片帧，再使用faster rcnn将图片中的人检测出来，最后将检测结果转化为via可识别的csv格式
CSPhD-winston的博客
04-05 4970
前言 这篇博客是我在写毕业论文期间写的，为了不影响论文查重，我将在毕业论文发表后公开。 通过slowfast的官网可以知道，使用ffmpeg将视频先裁剪15分钟的视频，然后将15分钟的视频转化为图片帧。再使用detectron2的faster rcnn检测所有图片，再用python将检测结果整理为via（VGG Image Annotator）可是识别的csv文件。 一 ffmpeg 自动裁剪 ...
2023 安装 facebookresearch slowfast 自定义数据集训练 yolo数据集转ava数据集
CSPhD-winston的博客
10-13 6113
slowfast
slowfast自制ava动物数据集进行训练
strewberry4的博客
08-18 4076
根据ava格式，自制动物数据集在slowfast上进行训练
slowfast数据集标注
09-10
本文将详细介绍如何为SlowFast模型创建自定义数据集，并进行标注，以此来满足实验需求。 SlowFast网络是一种先进的视频理解模型，它结合了慢流和快流的特性，对视频中的动作捕捉有着出色的表现。 首先，我们从视频...
自定义AVA数据集上Slowfast模型与Slow模型对比识别效果
03-20
### SlowFast 和 Slow 模型在自定义 AVA 数据集上的性能对比 #### 背景介绍 动作识别领域中的视频理解通常依赖于捕捉空间特征和时间动态特性。SlowFast 是一种设计用于高效提取时空信息的双流架构模型，其中 **Slow...
【ava 数据集】训练集和验证集之间的比例
CSPhD-winston的博客
04-20 1801
这里简单说一下关于ava数据集的训练集和验证集之间的比例 在ava数据集中，训练视频235个，验证视频64个，比例为100:28，也就是说，我们在自己做数据集的时候，尽量按照这个比例来制作 下面是代码部分： import csv csv_file=csv.reader(open('ava_train_v2.2.csv','r')) next(csv_file) name = '' count = 0 for line in csv_file: tempname=name name = l
RAGFlow Agent 知识检索节点源码解析：从粗排到精排的完整流程
最新发布
澄南澄北的博客
08-01 580
文本检索：基于关键词匹配，擅长精确匹配和术语查找向量检索：基于语义相似度，擅长理解查询意图和同义词匹配Embedding 检索方法通过分别编码 Query 和 Chunk 得到向量，并用余弦相似度评估相关性。优点是可以提前计算Chunk的向量并存储，检索效率高、可大规模向量召回，适合在粗排阶段使用。但这种独立编码方式无法建模两者之间的语义交互。而 Rerank 模型会将 Query 和 Chunk 作为一个成对的输入，同时送入模型进行处理。
Napping靶机渗透测试攻略
2301_77839771的博客
07-29 627
发现此处有个超级链接，点击后跳转到baidu.com。发现了我们输入的URL被嵌入了该页面并且作为跳转地址，而且target=_blank,表明是在新的地址跳转而且没有审核。在/var/www/html目录下放两个html文件，一个为站点首页(index.html)，一个为钓鱼界面(test.html)在kali上wget下载的网站首页文件为.php，需要重命名为.html。写好我们的钓鱼界面后我们开启监听，访问kali下的网页，需要开启http服务并在kali监听端口，监听的端口为钓鱼页面里链接的端口。
自动化测试常用函数
让每一行代码都有改变世界的力量。
07-28 771
本文介绍了Web自动化测试中的核心内容：元素定位和页面操作。主要内容包括：1)元素定位方法，重点解析CSS选择器和XPath语法；2)常见页面操作如点击、输入、获取文本等；3)窗口管理技巧，包括切换、大小设置和截图；4)弹窗处理和三种等待机制；5)浏览器导航、文件上传等特殊场景处理。文章强调自动化测试需要掌握定位语法而非仅依赖复制工具，并提供了多种实用代码示例，帮助测试人员构建稳定的自动化脚本。
专业Python爬虫实战教程：逆向加密接口与验证码突破完整案例
ZTLJQ的博客
07-29 771
本文介绍了如何逆向分析并爬取一个采用JavaScript混淆和加密签名的内部测试系统API。主要步骤包括：1）分析网页结构，定位加密签名函数；2）使用Python还原JavaScript签名算法；3）实现验证码识别预处理；4）模拟登录流程获取会话；5）构造签名参数调用数据接口。案例综合运用了JavaScript逆向、加密算法还原、验证码识别等技术，通过requests.Session维护会话状态，最终实现了一个完整的自动化爬虫系统。
Redis 键值对操作详解：Python 实现指南
AI浩
07-29 1387
场景推荐操作替代方案添加小数据SETHSET（对象）添加大数据HSET/MSET分批次添加添加临时数据SETEX删除小数据DELETEUNLINK删除大数据UNLINK无批量操作管道 + MSET/UNLINK单独命令添加操作使用set()添加单个键值对使用mset()批量添加多个键值对使用setex()添加带过期时间的键值对删除操作优先使用unlink()进行删除（尤其大型数据）仅在需要立即释放内存时使用delete()批量删除时结合管道提高效率。
宝塔Python项目无法使用域名访问
少湖说
07-31 668
摘要：宝塔中部署的Flask项目无法通过IP/域名访问。排查发现：1) 阿里云安全组443端口已开放但连接被拒；2) 项目配置中host应为"0.0.0.0"而非"localhost"；3) Nginx反向代理错误地将请求转发至443端口（实际项目运行在50001端口）。解决方案：修改Nginx配置中的proxy_pass为http://127.0.0.1:50001，并确保外网映射正确对应内外端口。注意宝塔面板的端口映射功能可能不生效，需手动配置。（149字）
slowfast的AVA的pretrain model
03-19
### SlowFast 模型在 AVA 数据集上的预训练模型获取 为了获得 SlowFast 模型在 AVA 数据集上的预训练权重，可以参考官方文档或社区资源中的指引。以下是具体的方法： #### 方法一：通过 Facebook AI Research 官方仓库下载 Facebook 提供了一个公开的 GitHub 仓库 `slowfast`[^2]，其中包含了多个预训练模型及其对应的配置文件。对于 AVA 数据集的预训练模型，可以在该仓库的 Model Zoo 页面找到相关链接。 访问地址通常如下所示： ```plaintext https://github.com/facebookresearch/SlowFast/blob/master/MODEL_ZOO.md ``` 在这个页面上，可以通过筛选条件定位到基于 AVA 的预训练模型。例如，查找类似于 `SLOWFAST_32x2_R101_50_50.yaml` 配置下的预训练权重文件路径。 执行以下命令可以直接加载并验证预训练模型： ```bash wget https://dl.fbaipublicfiles.com/pyslowfast/model_zoo/<specific_model_name>.pyth ``` 注意替换 `<specific_model_name>` 为实际的模型名称。 --- #### 方法二：本地运行脚本加载预训练模型 如果已经克隆了 SlowFast 代码库，则可以通过内置工具加载预训练模型。假设当前目录位于 `/home/slowfast/tools`，则可使用以下命令启动推理或微调过程，并指定预训练模型的位置[^3]。 示例命令如下： ```bash python run_net.py \ --cfg demo/AVA/SLOWFAST_32x2_R101_50_50.yaml \ PRETRAINED_MODEL_PATH /path/to/pretrained_model.pth \ TEST.BATCH_SIZE 8 NUM_GPUS 1 TEST_ONLY True ``` 上述命令中，`PRETRAINED_MODEL_PATH` 参数指定了预训练模型的具体存储位置。如果没有手动下载，也可以尝试从默认路径读取。 --- #### 方法三：自定义训练与保存 当无法直接获取预训练模型时，可以选择自行训练一个基础版本。这需要完整的 AVA 数据集以及强大的计算资源支持。根据之前的描述，博主曾提到整个流程耗时较长（约两天），因此建议仅在必要情况下采用此方式[^1]。 完成训练后，可通过以下代码片段保存生成的模型参数： ```python import torch torch.save(model.state_dict(), 'ava_pretrained_slowfast.pth') print("Pre-trained model saved successfully.") ``` --- ### 注意事项 - 如果网络环境受限，可能需要借助代理或其他加速手段下载大型模型文件。 - 确保安装依赖项齐全，特别是 PyTorch 和其他第三方库版本需匹配 SlowFast 要求。 - 对于 GPU 显存不足的情况，调整批量大小 (`TRAIN.BATCH_SIZE`) 或启用分布式训练可能是解决方案之一。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

CSPhD-winston-杨帆

给我饭钱

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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