mmaction2 指南 (3) 添加新的数据集

mmaction2 指南

3. 添加新的数据集

自定义行为识别数据集

新的数据重新组织到已有格式

重新构建标注文件就行

• 标注格式一：
  rawframe标注【路径，帧数，类别】

some/directory-1 163 1
some/directory-2 122 1
some/directory-3 258 2
some/directory-4 234 2
some/directory-5 295 3
some/directory-6 121 3

• 标注格式二：
  video标注【路径、类别】

some/path/000.mp4 1
some/path/001.mp4 1
some/path/002.mp4 2
some/path/003.mp4 2
some/path/004.mp4 3
some/path/005.mp4 3

• 标注格式三：

json格式的标注

{
  "video1": {
      "duration_second": 211.53,
      "duration_frame": 6337,
      "annotations": [
          {
              "segment": [
                  30.025882995319815,
                  205.2318595943838
              ],
              "label": "Rock climbing"
          }
      ],
      "feature_frame": 6336,
      "fps": 30.0,
      "rfps": 29.9579255898
  },
  "video2": {
      "duration_second": 26.75,
      "duration_frame": 647,
      "annotations": [
          {
              "segment": [
                  2.578755070202808,
                  24.914101404056165
              ],
              "label": "Drinking beer"
          }
      ],
      "feature_frame": 624,
      "fps": 24.0,
      "rfps": 24.1869158879
  }
}

自定义数据集 class

• online转换

继承 BaseDataset 重写 load_annotations(self), evaluate(self, results, metrics, logger) and dump_results(self, results, out) 可参考 RawframeDataset, VideoDataset or ActivityNetDataset.

• offline转换
  修改数据标注文件，让其符合RawframeDataset, VideoDataset or ActivityNetDataset的调用形式

• 例子：自己改下标注文件，调用RawframeDataset

...
# dataset settings
dataset_type = 'RawframeDataset'
data_root =