行为识别模型action-recognition-master解读

最新推荐文章于 2023-04-30 17:39:31 发布

王壹浪

最新推荐文章于 2023-04-30 17:39:31 发布

阅读量813

点赞数

分类专栏：心得人工智能文章标签：深度学习 python 神经网络

本文链接：https://blog.csdn.net/com_fang_bean/article/details/108895144

版权

本文详细解读了使用AlexNet与LSTM结合的深度学习模型进行行为识别的方法。首先，通过dataset.py下载HMDB51数据集。接着在model.py中，初始化模型参数，对预训练的AlexNet提取特征层，固定其参数不参与梯度计算。然后，构建LSTM层，定义输入特征维数、隐藏层状态维数和堆叠层数。最后，通过全连接层完成分类任务，模型命名为'alexnet_lstm'。

摘要由CSDN通过智能技术生成

1.dataset.py

用于下载需要使用的数据集hmdb51：

import requests
import os
import glob

def download_file(URL, destination):
    session = requests.Session()
    response = session.get(URL, stream = True)

    save_response_content(response, destination)    


def save_response_content(response, destination):
    CHUNK_SIZE = 32768

    with open(destination, "wb") as f:
        for chunk in response.iter_content(CHUNK_SIZE):
            if chunk: # filter out keep-alive new chunks
                f.write(chunk)


print('Downloading dataset...')
if not os.path.isfile('data/hmdb51_org.rar'):
    download_file('http://serre-lab.clps.brown.edu/wp-content/uploads/2013/10/hmdb51_org.rar', 'data/hmdb51_org.rar')

if not os.path.isdir('data/video'):
    os.makedirs('data/video')
    
os.system('unrar e data/hmdb51_org.rar data/video')

filenames = glob.glob('data/video/*.rar')
for fil