SlowFast 运行Charades数据集

最新推荐文章于 2024-08-18 18:16:35 发布
最新推荐文章于 2024-08-18 18:16:35 发布
阅读量1.1k 收藏 8
点赞数 2
分类专栏： 机器学习 文章标签： 人工智能
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。
本文链接：https://blog.csdn.net/qq_43056256/article/details/113575950
版权

SlowFast 运行Charades数据集

平台：Ubuntu16.04
项目地址： https://github.com/facebookresearch/SlowFast
友情提示：torch版本尽量高于等于1.5
第一步：
按照install.md进行环境配置。
你可能在安装detectron2的时候出现问题，但是如果你是Ubuntu就不要慌。我们来到detectron2安装的install说明中，找到下图。在这里插入图片描述

按照你的torch版本点击相应的install按钮即可，把相应语句运行即可。当然你也可以按照这个教程进行问题解决，但我的g++问题还是没有解决。
对了，你只需完成到build pySlowFast那一步即可，最后一步可以不用，因为你的数据集还未准备。

在这里插入图片描述

然后点击data preparation这个说明当中。

找到Charades数据集那一项，下载相应文件即可。注意不需要下载多余的标记文件，因为detectron有目标检测的功能。路径记得用引号变为字符。

然后下载pretrain好的模型参数，https://github.com/facebookresearch/SlowFast/blob/master/MODEL_ZOO.md。找到Charades数据集的位置，如下。

在这里插入图片描述

根据你想用

configs/Charades

下哪一个配置文件选择下载。我使用的没有multigrid的.yaml文件，所以下载的是第一行的pretrain文件。将下载好的pretrain文件放在checkpoint文件下。

接着就是修改配置文件。
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

运行

python tools/run_net.py  --cfg configs/Charades/SLOWFAST_16x8_R50.yaml

如果没有出错，那么就可以成功运行。

如果报错

AssertionError(2, 4)

你安装报错的改一下即可，把配置文件里相应的4改成2.

J k l
关注
专栏目录
人体行为识别：SlowFast Networks for Video Recognition
huangyiping12345的博客
06-18 6474
参考文献：https://arxiv.org/abs/1812.03982 代码实现：https://github.com/facebookresearch/SlowFast 包括理解！ SlowFast Networks for Video Recognition 摘要 我们提出了用于视频识别的SlowFast网络，模型包括：（i）以低帧速率的慢速路径来捕获空间语义；（ii）以高帧速率的快速路径来捕获精细时间分辨率的运动。快速路径可以通过减少通道容量而变得非常轻量级，并且可以学习有用的时间信息用于视频识别
《SlowFast Networks for Video Recognition》---论文总结
binger520886的博客
08-18 2158
论文下载：https://arxiv.org/pdf/1812.03982.pdf 时间：2019.10.29 作者团队：FAIR（何恺明…）ICCV2019，2019 年 CVPR ActivityNet Challenge Winner 分类：计算机视觉–视频行为识别–两分路C3D 项目： PySlowFast https://github.com/facebookresearch/SlowFast 参考： 本文目录： 一.论文翻译 二.论文总结 三.论文创新 四.代码实践 一.论文翻译 Abstrac
Charades数据集
kking_edc的博客
10-05 3838
摘要 计算机视觉在帮助人们的日常生活方面有很大的潜力，比如寻找丢失的钥匙、浇花和提醒我们吃药。为了实现这样的功能，模型需要在日常生活的场景下被训练。但是这些场景都并不“有趣”，因此很少出现在YouTube或者电视上。所以怎样收集足够多且多样化的日常生活场景呢？作者提出了一种Hollywood in Home的方式。与在实验室拍摄视频不同，作者通过众包的方式下发视频剧本，让志愿者按照剧本进行拍摄。通过这种方式，作者构建了Charades数据集。这个数据集包括了9848个标注过的视频，每个视频都大概持续30秒，
CharadesDet:Charades对象检测数据集（ICCV 2017）
05-16
Charades对象检测数据集（ICCV 2017） 引文 如果您在研究中使用我们的数据集，请使用以下BibTeX条目。 @inproceedings{YuanyuanICCV2017, Author = {Yuan Yuan and Xiaodan Liang and Xiaolong Wang and Dit-Yan Yeung and Abhinav Gupta}, Title = {Temporal Dynamic Graph LSTM for Action-driven Video Object Detection}, Booktitle = {ICCV}, Year = {2017}, } 我们标记了Charades Validation视频集中的所有视频，可以从下载。 该中的注释是 。 总共有1812个视频被标记，平均每帧有8个框。 有
帮忙下载Charades数据集
perfects110的博客
05-06 1525
如题，有需要下载该数据集的童鞋，可以使用博客联系我^_^
Charades & CharadesEgo & Action Genome 数据集以及论文总结
清欢
01-31 3256
0. 前言 本文介绍Charades系列数据集，包括： Charades：ECCV 2016，第一个家庭室内场景下的日常行为识别数据集，是通过众包完成的。 数据集采集方式挺有意思，用户先写剧本（根据关键字造句），再自行拍摄视频，最后其他人标注。 CharadesEgo：CVPR 2018，第一个成对的行为识别数据集。 所谓成对指的是，对于同一系列动作，同时有第一视角视频与第三视角视频。 论文希望对第一视角、第三视角数据集进行建模。 Action Genome：CVPR 2020，是对Char
Charades数据集的活动识别算法_Lua_Python_下载.zip
04-30
Charades数据集的活动识别算法_Lua_Python_下载.zip
Charades数据处理部分代码阅读
ydy_2017211924的博客
03-06 947
1.enumerate enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中。 split = ["train","test"] for di,dt in enumerate(split): print(di) >>> 0 1 print(dt) >>> train test print(di,dt) >>> 0 train 1 test 使用Dat
【视频理解论文】——SlowFast Networks for Video Recognition
Amazingren的博客
09-16 1491
SlowFast Networks for Video Recognition(ICCV2019) 【摘要Abstract】 所提出的SlowFast模型由两部分构成 （1）Slow pathway：以低帧率获取Spatial信息； （2）Fast pathway： 以高帧率运行，以获取motion，也就是时序信息 还强调了Fast pathway通过减少了通道的数量/容量，因此是以非常轻量级...
经典重温：FAIR提出SlowFast，用双分支非对称网络处理不同采样率的视频！代码开源！...
我爱计算机视觉
12-25 451
关注公众号，发现CV技术之美本文分享论文『SlowFast Networks for Video Recognition』，FAIR提出《SlowFast》，用双分支非对称网络处理不同采样...
SlowFast：PySlowFast：FAIR的视频理解代码库，用于再现最新的视频模型
02-28
PySlowFast PySlowFast是FAIR的开源视频理解代码库，可提供经过有效培训的最新视频分类模型。 该存储库包括以下方法的实现： 介绍 PySlowFast的目标是提供高性能，轻量级的pytorch代码库，提供最新的视频主干，以用于对不同任务（分类，检测等）的视频理解研究。 它旨在支持快速实施和评估新颖的视频研究思想。 PySlowFast包括以下骨干网络体系结构的实现： 慢快 慢 C2D I3D 非本地网络 X3D 更新 现在，我们支持。 有关更多信息，请参见 。 我们现在支持以有效地训练视频模型。 有关更多信息，请参见多网格。 PySlowFast与我们的一起发布。 执照 PySlowFast是在下发行的。 动物园模型和基线 我们提供了大量的基线结果和经过培训的模型，可以在PySlowFast 进行下载。 安装 请在找到PyTorch和PySlowFast的安
谷歌AVA数据集的论文 1705.08421
11-07
谷歌AVA数据集的1705.08421 原版论文。供有兴趣的了解的朋友分享，参考使用。 如有侵权，提出立即删除。
PySlowFast是FAIR开源的视频理解代码库，提供最新的视频分类模型-python
06-18
PySlowFast是FAIR开源的视频理解代码库，提供最新的视频分类模型，包括论文“用于视频识别的SlowFast网络”和“非本地神经网络”。 PySlowFast PySlowFast 是 FAIR 的开源视频理解代码库，提供最先进的视频分类模型，包括论文“SlowFast Networks for Video Recognition”和“Non-local Neural Networks”。 简介 PySlowFast 的目标是提供高性能、轻量级的 pytorch 代码库，为视频理解研究提供最先进的视频主干。 它旨在支持新视频研究理念的快速实施和评估。 PySlowFast 包括以下骨干网络架构的实现：SlowFast SlowOnly C2D I3D 非本地网络更新 PySlowFast 与我们的 ICCV 2019 教程一起发布。 许可证 PySlowFast 在 Apache 2.0 许可证下发布。 Model Zoo 和 Baselines 我们提供了大量的基线结果和训练模型，可在 PySlowFast Model Zoo 中下载。 安装 请在 INSTALL
MultiSports：多人运动视频数据集及其时空局部化
13536MultiSports：一种时空局部化的多人运动视频数据集易轩李磊陈润宇何振志王刚山吴利民王晓墨南京大学软件新技术国家重点实验室摘要时空动作检测是视频理解中一个重要而又具有挑战性的问题。现有的动作检测基准在...
slowfast官方数据集复现版（AVA）及yaml文件介绍
最新发布
strewberry4的博客
08-18 903
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
动作识别、检测、分割、解析相关数据集介绍
小威的博客
02-22 4346
本文将列举介绍目前在动作识别、动作检测、动作分割等相关领域的常用数据集和各自的特点。
slowfast安装并训练自己的数据集
qq_36072670的博客
06-01 8269
安装 slowfast主页：https://github.com/facebookresearch/SlowFast
Python快速实现PySlowFast视频理解
XerCis的博客
06-25 3064
PySlowfast是FAIR开源的基于PyTorch的视频理解代码库，让研究者可以轻而易举地复现从基础至前沿的视频识别 (Video Classification) 和行为检测 (Action Detection) 算法。
MS-TCT：Inria&SBU提出用于动作检测的多尺度时间Transformer，效果SOTA！已开源！（CVPR2022）...
我爱计算机视觉
07-05 928
关注公众号，发现CV技术之美本篇分享 CVPR 2022 论文『MS-TCT: Multi-Scale Temporal ConvTransformer for Action Detection』，Inria&SBU提出用于动作检测的多尺度时间Transformer，《MS-TCT》，检测效果SOTA！代码已开源！详细信息如下：论文链接：https://arxiv...
深度学习驱动的视频描述：方法、数据集与评估标准综述
例如，MSR-VTT、Charades和DiDeMo等数据集提供了多样化的视频内容，用于训练和测试模型的泛化能力。数据集的多样性对于推动研究进展至关重要，因为它们挑战了模型在不同场景下的表现。 此外，文章还探讨了各种评价...
评论 1
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