slowfast自制AVA格式数据集并训练

最新推荐文章于 2025-03-02 23:24:10 发布
原创 最新推荐文章于 2025-03-02 23:24:10 发布
· 238 阅读 · 0 ·
版权
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。
文章标签：

#深度学习 #视觉检测 #pytorch #人工智能

视频剪裁

使用ffmpeg进行视频剪裁，一般一个视频10s

视频划分帧

使用ffmpeg将视频转换为帧格式
转为两种格式，分别保存到两个文件夹
一个1s30帧（用于训练），一个1s1帧（用于关键帧标注）

Detectron检测+VIA画框+行为标注

将关键帧标注的所有图片放到一起，参考
自动检测+VIA画框+标注
via中进行行为标注和检查检测框的位置和有无漏判

csv文件格式转换

参考动物自制数据集

slowfast训练

自定义AVA数据集（进行中）
qq_40946011的博客
03-17 829
ava数据集定义
【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 3309
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
slowfast自制ava动物数据集进行训练
strewberry4的博客
08-18 3779
根据ava格式，自制动物数据集在slowfast上进行训练
【AVA数据集】使用YOLO快速制作动作识别数据集（一）
m0_50355568的博客
04-03 6075
（简称AVA）是由Google在2018年所发表的一个用于训练动作检测的数据集，该数据集注释430个15分钟电影切片中的80个原子视觉动作，在空间和时间上定位了动作，从而产生了1.62万个动作标签。这个数据中的内容有以下特点更多的使用原子动作而不是复合动作（如bow、kneel、jump、sleep等）对于每个人有更多的的时空标注（每个人会同时具有多种行为）在切片内的标注尽可能的详细（每个切片中的动作种类会尽可能丰富）物体在跨段中尽可能的连续（对于出现过的人会有ID进行标注）
AVA视频数据集制作
三木今天学习了嘛の博客
09-23 940
下载人员框（train、val、test）并将它们放入注释文件夹中（参见上面的结构）。下载“帧列表”（train、val）并将它们放入frame_lists文件夹中（参见上面的结构）。复制链接使用迅雷下载。下载时，我发现下载的内容有部分缺失，所以写个代码查询哪些视频缺失了。提取帧的文件保存在 frame文件夹的每个以视频命名的子文件夹下，下面的代码可以查询。缺失视频如下，进行下载后上传。原来是后缀为webm的文件无法下载。我们假设 AVA 数据集放置在 data/ava 中，结构如下。
解析xml字符串（Jdom）
yihaoxue的博客
04-07 160
import java.io.IOException;import java.io.StringReader;import java.util.List; import org.jdom.Document;import org.jdom.Element;import org.jdom.JDOMException;import org.jdom.Namespace;import org.jdom....
【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 1313
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
22-8-4 mmaction2 slowfast训练日志
08-05
22-8-4 mmaction2 slowfast训练日志 包含配置文件：my_slowfast_kinetics_pretrained_r50_4x16x1_20e_ava_rgb.py 训练结束后使用最好的checkpoint的参数进行测试，将测试结果存储在：part_0.pkl 训练过程的记录：...
【slowfast 训练自己的数据集】自定义动作，制作自己的数据集，使用预训练模型进行训练，并检测其结果
sinat_28371057的博客
08-05 6501
目录 前言 一，视频的处理 1.1 视频准备 1.2 切割视频为图片 1.3 使用faster rcnn自动框人 1.4 via标注图片 二，数据集文件 2.1 数据集文件总览 2.2 annotations 2.2.1 ava_train_v2.2.csv 2.2.2 ava_val_v2.2.csv 2.2.3 ava_val_excluded_timestamps_v2.2.csv 2.2.4 ava_action_list_v2.2_
slowfast训练ava数据集
09-05
要使用SlowFast模型在AVA（Atomic Visual Actions）数据集上进行训练，可以按照以下步骤进行操作： 1. 数据准备：首先，您需要下载并准备AVA数据集。该数据集包含大量的视频片段，每个片段都有相应的标注，用于描述...
slowfast官方数据集复现版（AVA）及yaml文件介绍
strewberry4的博客
08-18 2458
记录了一下ava官方数据集的复现过程，以及对slowfast源代码中yaml文件的解释
slowfast自制AVA数据集进行训练（面向大数据量的数据集）
strewberry4的博客
01-06 2266
详细描述ava数据集的构建过程，并进行训练
slowfast安装并训练自己的数据集
qq_36072670的博客
06-01 8883
安装 slowfast主页：https://github.com/facebookresearch/SlowFast
自制AVA数据集在slowfast中训练（mmaction2工具箱）
最新发布
2301_81316166的博客
03-02 2248
SlowFast 模型是一种在领域表现卓越的深度学习模型，其核心创新在于采用了独特的双通道架构来有效处理视频中的时空信息。该模型由慢速（Slow）和快速（Fast）两条通路组成，其中慢速通路以较低的帧率对视频进行采样，通常每隔一定帧数选取一帧，重点聚焦于提取视频中的空间语义信息，捕捉物体的外观、场景的布局等相对稳定的特征；而快速通路则以高帧率采样，能够捕捉到快速的动作变化和瞬间的运动信息，但其通道容量较低，通过较少的卷积核来减少计算量。
自定义AVA数据集流程及在SlowFast中训练
qq_45672807的博客
03-07 1万+
自定义的AVA数据集在Linux系统下的训练
slowfast训练自定义数据集，识别动物行为
热门推荐
盛世芳华
07-15 1万+
使用slowfast训练人类的行为没有任何问题，但训练动物行为时，出现了不收敛、map值不变等各种奇怪的问题。为解决这个问题，花了一周时间，故在此记录！动物行为预测，整理动物行为的数据集是最大的难点！刚开始准备的是猪的数据集，但由于猪栏里的猪只太多，导致图片标注的不准确，这应该也是训练过程不收敛的一个原因。所以先用我家的狗做个测试！！！.....................
动作识别笔记（一）在mxnet上训练Slowfast视频动作识别模型
摸鱼人
12-15 971
在mxnet上训练Slowfast视频动作识别模型 mxnet的安装（略） slowfast模型简介（略） 准备自己的数据集 训练文件目录如下所示，每种动作的视频放在单独的文件夹中。视频格式一定要是同一种且mxnet支持的格式。 例如eating文件夹下: 按照官方的文档，还需要创建一个train.txt(可以创建一个空的，后边训练的程序里边会自动填写)，包含所有视频的信息。第一列是文件夹和名字，第二类是取出的帧数，第三类是类别编号。 模型训练 大致包括以下过程： 1.收集训练集信息 2.数据预处理
记录我用SlowFast训练自己模型时遇到的问题以及解决方案
qq_41059578的博客
12-19 680
使用了autodl租用3080服务器，数据6.7G，包含一共1200帧标注好的数据，36000张视频截取图片。训练集和验证集都是10min的视频。
slowfast训练自己数据集
07-08
要训练SlowFast模型使用自己的数据集，您可以按照以下步骤操作： 1. 数据集准备：收集和准备您的训练数据集。确保数据集包含视频文件和对应的标签或注释。 2. 安装SlowFast：根据SlowFast的官方文档，安装SlowFast框架和依赖项。您可以在GitHub上找到SlowFast的代码库和详细安装说明。 3. 数据预处理：使用SlowFast提供的数据预处理工具，将您的数据集转换为SlowFast模型所需的格式。这可能包括将视频文件分割成帧，提取光流等。 4. 构建配置文件：根据您的数据集和训练需求，创建一个配置文件。配置文件包括模型架构、数据路径、超参数等。您可以根据SlowFast的文档进行配置文件的编写。 5. 开始训练：使用命令行工具启动训练过程，并指定配置文件作为参数。SlowFast将开始加载数据、构建模型并在您的数据集上进行训练。 6. 调优和验证：根据训练过程中的日志和指标，您可以进行模型的调优和验证。可以尝试不同的超参数设置、数据增强技术等来提高模型性能。 7. 模型保存和使用：在训练完成后，您可以保存训练好的SlowFast模型。您可以使用这个模型进行视频分类、行为识别等任务。 请注意，SlowFast的训练过程可能需要较长的时间和大量的计算资源，特别是在大型数据集上训练时。确保您有足够的计算资源和时间来完成训练过程。 这是一个简要的概述，如果您需要更详细的说明，请参考SlowFast的文档和示例代码。
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
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