MMaction处理自己的类UCF101数据集

本文档介绍了如何在`parse_file_list.py`中添加`parse_myucf101_splits`方法,以处理myucf101数据集的训练和测试列表,通过`classIndex.txt`映射类别和文件名调整。
摘要由CSDN通过智能技术生成

在parse_file_list.py文件中加入parse_myucf101_splits方法,类似其中的parse_ucf101_splits方法,只需修改对应的文件路径:

def parse_myucf101_splits(level):
    class_index_file = 'data/myucf101/txt/classInd.txt'
    train_file_template = 'data/myucf101/txt/trainlist.txt'
    test_file_template = 'data/myucf101/txt/testlist.txt'

    with open(class_index_file, 'r') as fin:
        class_index = [x.strip().split() for x in fin]
    class_mapping = {x[1]: int(x[0]) - 1 for x in class_index}

	def line_to_map(line):
        items = line.strip().split()
        video = osp.splitext(items[0])[0]
        if level == 1:
            video = osp.basename(video)
            label = items[0]
        elif level == 2:
            video = osp.join(
                osp.basename(osp.dirname(video)), osp.basename(video))
            label = class_mapping[osp.dirname(items[0])]
        return video, label

	splits = []
    for i in range(1, 4):
        with open(train_file_template.format(i), 'r') as fin:
            train_list = [line_to_map(x) for x in fin]

        with open(test_file_template.format(i), 'r') as fin:
            test_list = [line_to_map(x) for x in fin]
        splits.append((train_list, test_list))

    return splits

  • 14
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
UCF101是一个广泛使用的视频动作识别数据集,其中包含101个动作别,包括从常见的运动动作到日常生活中的各种活动。这个数据集的目的是为了促进动作识别算法的发展和评估。 UCF101数据集中的每个视频都是以RGB的格式存储的,即每个视频帧都有R(红色)、G(绿色)和B(蓝色)三个通道组成的图像。因此,如果你想要进行UCF101数据集中的rgb视频下载,你需要下载整个数据集,并将视频帧保存为RGB图像。 首先,你可以搜索UCF101数据集的官方网站或相关的研究论文,以找到可以下载UCF101数据集的链接或资源。通常,官方网站或研究论文会提供数据集的下载链接和详细的使用说明。 一旦你找到了可用的下载链接,你可以通过单击链接来下载数据集的压缩文件。请注意,UCF101数据集非常大,通常需要大量的存储空间来保存所有的视频帧。因此,在下载数据集之前,请确保你有足够的存储空间。 下载完成后,你可以使用相应的软件来解压缩数据集的压缩文件。解压缩后,你将得到包含所有视频帧的文件夹。每个视频帧都被保存为RGB图像,你可以通过访问这些图像来获取RGB视频。 总结来说,要下载UCF101数据集中的RGB视频,你需要找到可用的下载链接,下载数据集的压缩文件,解压缩文件并访问保存为RGB图像的视频帧。这将需要大量的存储空间和相关的软件来完成。希望这个回答对你有帮助!
评论
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