进一步解释.pkl格式

 

最外层的花括号表示dataset是一个字典

这个字典有两个字段

类似于下面这个例子

person = {
    "name": "John Doe",
    "age": 35
}

'split' 字段可以当做是name字段，也就是键

而'split' 字段对应的值又是一个字典，又是一个花括号。这个字典又分了键和值

'xsub_train'是键，对应的值是一个列表

'xsub_val'是键，对应的值是一个列表

注意：

• 值可以是任意的 Python 对象,如数字、字符串、列表、元组、字典等

'annotations'字段可以当做是age字段，也就是键

而'annotations' 字段对应的值是一个列表，而列表的每个元素是一个字典。

每个字典元素都包含了一个视频样本的详细信息。这种结构可以方便地存储和访问整个数据集的数据。

总结：

如果是这样的话，那就不需要人工划分训练集和测试集了，这个骨架注释已经将训练集和测试集划分好了，代码里面直接调用这个骨骼注释文件就行

train=dict(
type='RepeatDataset',
times=10,
dataset=dict(type=dataset_type, split='xsub_train', ann_file=ann_file, data_prefix=data_root, pipeline=train_pipeline)),
val=dict(type=dataset_type, split='xsub_val', ann_file=ann_file, data_prefix=data_root, pipeline=val_pipeline),
test=dict(type=dataset_type, split='xsub_val', ann_file=ann_file, data_prefix=data_root, pipeline=test_pipeline))

这个是一个嵌套的字典结构,用于配置动作识别任务的数据集。让我逐一解释一下:

1. train 字段是一个字典,用于配置训练集:

   • 'type' 键的值是 'RepeatDataset'，表示训练集是通过重复一个基础数据集得到的。
   • 'times' 键的值是 10，表示将基础数据集重复 10 次。
   • 'dataset' 键对应的也是一个字典,用于配置基础数据集:
     • 'type' 键的值是 dataset_type，表示使用指定类型的数据集。
     • 'split' 键的值是 'xsub_train'，表示使用训练集切分。
     • 'ann_file' 键的值是 ann_file，表示使用指定的注释文件。
     • 'data_prefix' 键的值是 data_root，表示使用指定的数据根路径。
     • 'pipeline' 键的值是 train_pipeline，表示使用指定的训练数据预处理流水线。

2. val 字段是一个字典,用于配置验证集:

   • 'type' 键的值是 dataset_type，表示使用指定类型的数据集。
   • 'split' 键的值是 'xsub_val'，表示使用验证集切分。
   • 'ann_file' 键的值是 ann_file，表示使用指定的注释文件。
   • 'data_prefix' 键的值是 data_root，表示使用指定的数据根路径。
   • 'pipeline' 键的值是 val_pipeline，表示使用指定的验证数据预处理流水线。

3. test 字段是一个字典,用于配置测试集:

   • 'type' 键的值是 dataset_type，表示使用指定类型的数据集。
   • 'split' 键的值是 'xsub_val'，表示使用验证集切分。
   • 'ann_file' 键的值是 ann_file，表示使用指定的注释文件。
   • 'data_prefix' 键的值是 data_root，表示使用指定的数据根路径。
   • 'pipeline' 键的值是 test_pipeline，表示使用指定的测试数据预处理流水线。

总之,这个配置字典定义了训练集、验证集和测试集的数据加载和预处理方式,为后续的动作识别模型训练和评估做好了准备。

pyskl/tools/data/README.md at main · kennymckormick/pyskl · GitHub

基于pyskl的poseC3D训练自己的数据集-CSDN博客