【pytorch】制作自己的数据集—基于VQA视频数据集

之前我有写过一篇处理视频数据集的文章，那时候做的工作是把视频帧提取处理出来再排序。现在对之前的方法做个改进。按照之前的做法，首先，电脑内存可能没有那么大的空间，占用资源；其次，有了视频帧之后，标签不好处理，怎么输给神经网络也是个问题。

于是，我在了解到pytorch可以自己做自己的数据集后，就迫不及待地动起手来了。

在开始之前，先来了解一下今天的处理的数据集。ODV-VQA数据集里面全部都是全景视频。他把这些全景视频分成10组，如下图：

每组里面数据共有54个受损视频和6个参考视频，每个参考视频对应9个受损视频，然后这9个受损视频呢，包含三种投影方式（全景视频投影到平面），分别是ERP、RCMP和TSP，每个投影方式里又包含3个qp。以group01中的两组视频为例：

每个视频的命名方式为：视频名称_投影方式_每帧大小_fps_qp_视频大小。关于视频的标签，采用的是主观评价打分的形式。在Group_ScoreData的压缩包里，存放的就是每个视频的分数。

这里由于我想做的是无参考视频评价，所以我把每个group的参考视频和参考视频的标签都给删了。（数据集在这篇文章里有：ODV-VQA数据集，翻不了墙的小伙伴在评论区call我哦）

下面就开始吧

首先我想的是读取视频和标签所在的文件夹，把他们放在列表里：

scorelist = glob.glob('./score/Group*')  # 视频和标签所在的文件夹
videolist = glob.glob('./data/Group*')   # 即，group1-10

第二步：从videolist和scorelist中读取视频和标签。这个过程靠定义两个函数，get_video_list(),get_score_file来完成。

def get_video_list(grouplist):
    video = [