MMAction 开源项目使用教程

MMAction 开源项目使用教程

mmactionAn open-source toolbox for action understanding based on PyTorch项目地址:https://gitcode.com/gh_mirrors/mm/mmaction

1. 项目的目录结构及介绍

MMAction 是一个基于 PyTorch 的开源工具箱，用于动作理解。项目的目录结构如下：

mmaction/
├── configs/
├── mmaction/
│   ├── apis/
│   ├── datasets/
│   ├── engine/
│   ├── evaluation/
│   ├── models/
│   ├── structures/
│   ├── testing/
│   ├── visualization/
│   ├── utils/
│   └── __init__.py
├── tools/
├── README.md
├── requirements.txt
└── setup.py

目录结构介绍

• configs/: 包含项目的配置文件。
• mmaction/: 项目的主要代码库。
  • apis/: 提供高级 API 接口。
  • datasets/: 数据集处理相关代码。
  • engine/: 训练和测试引擎。
  • evaluation/: 评估指标和方法。
  • models/: 模型定义和实现。
  • structures/: 数据结构定义。
  • testing/: 测试相关代码。
  • visualization/: 可视化工具。
  • utils/: 各种实用工具。
• tools/: 包含一些实用脚本，如训练、测试等。
• README.md: 项目介绍和使用说明。
• requirements.txt: 项目依赖列表。
• setup.py: 项目安装脚本。

2. 项目的启动文件介绍

MMAction 的启动文件主要位于 tools/ 目录下，常用的启动文件包括：

• tools/train.py: 用于启动训练过程。
• tools/test.py: 用于启动测试过程。

启动文件介绍

• train.py: 该文件用于训练模型，可以通过命令行参数指定配置文件和其他训练参数。
• test.py: 该文件用于测试模型，可以通过命令行参数指定配置文件和测试数据集。

3. 项目的配置文件介绍

MMAction 的配置文件位于 configs/ 目录下，配置文件通常以 .py 结尾，包含模型、数据集、训练和测试的详细配置。

配置文件示例

# 配置文件示例
_base_ = [
    '../_base_/models/tsn_r50.py',
    '../_base_/datasets/ucf101_train.py',
    '../_base_/schedules/sgd_100e.py',
    '../_base_/default_runtime.py'
]

model = dict(
    type='TSN',
    backbone=dict(
        type='ResNet',
        depth=50,
        num_stages=4,
        out_indices=(3,),
        frozen_stages=1,
        norm_cfg=dict(type='BN', requires_grad=True),
        norm_eval=True,
        style='pytorch'),
    cls_head=dict(
        type='TSNHead',
        num_classes=101,
        in_channels=2048,
        spatial_type='avg',
        consensus=dict(type='AvgConsensus', dim=1),
        dropout_ratio=0.4,
        init_std=0.01))

dataset_type = 'UCF101'
data_root = 'data/ucf101/videos'
data_root_val = 'data/ucf101/videos'
ann_file_train = 'data/ucf101/ucf101_train_split_1_videos.txt'
ann_file_val = 'data/ucf101/ucf101_val_split_1_videos.txt'
ann_file_test = 'data/ucf101/ucf101_val_split_1_videos.txt'

img_norm_cfg = dict(
    mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_bgr=False)

train_pipeline = [
   

mmactionAn open-source toolbox for action understanding based on PyTorch项目地址:https://gitcode.com/gh_mirrors/mm/mmaction