C3D进行视频分类:使用自己数据集

一. 代码框架

1. 整体代码的框架

d8977c641aab404eadb767395576db26.png

2、dataloader的代码框架

2.1 def init()的框架

b2f17c6a0bf9445db0263d6f38c2cc43.png 

2.2 def getitem()的框架

7441279d707a4efb9b982c7d6a10996b.png

 

二、修改数据集

1.源代码使用的数据集是UCF101,目录结构为ucf101-results/train/类别/类别_g0*_c0*/图片,仿照该目录结构修改自己的数据

2. 注意:每一帧图片的大小进行修改,这一部分的代码在make_train_test.py中,图片为112*112。因为在生成224*224的图片后,cuda内存不足,训练器无法运算

三、训练器中需要修改的地方

 1. dataset的名字以及num_classes

2. save_dir_root以及save_dir

3. 在加载数据集部分,train_loader  train_size部分

4. 写入tensorboard部分,writer.add_scalar部分的地址

 

最后,有报错不要急,慢慢修改嘛,修改也是学习的过程呀

 

 

 

 

 

  • 3
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
进行行为识别C3D训练自己的数据集,首先需要进行以下步骤: 1. 准备数据集:根据您的需求,收集并准备合适的训练数据集。可以使用视频数据来进行训练,常见的视频行为识别数据库包括UCF101、HMDB-51、Something-Something V2、AVA v2.2、Kinetic-700等[2]。UCF101是分类任务,而AVA v2.2是检测任务。您可以选择合适的数据库或根据您的需求自行收集视频数据。 2. 数据预处理:对于C3D训练,需要对数据进行预处理。根据引用中提供的信息,UCF101数据集的视频文件已经按照类别存放于不同的文件夹下。您可以按照自己的数据集的组织方式进行调整。此外,还可以对视频进行剪辑、采样和调整分辨率等操作,以适应模型的输入要求。 3. 划分训练集和测试集:根据您的需要,将数据集划分为训练集和测试集。可以使用已有的数据集划分方式,例如UCF101数据集的trainlist和testlist文件,或者根据您的需求自行划分。 4. 准备标签文件:为训练数据集准备标签文件,标明每个视频的类别或动作。可以参考已有的标签文件,例如UCF101数据集的classInd.txt文件。 5. 配置环境:确保您已经正确配置了C3D行为识别模型的训练环境。这包括安装必要的依赖库和框架,并配置好GPU加速等。 6. 训练模型:使用C3D模型对准备好的数据集进行训练。可以根据已有的代码或框架进行训练,例如使用C3D模型在PyTorch框架下进行训练。您可以参考引用中提供的相关项目下载和复现的信息。 总结起来,要进行行为识别C3D训练自己的数据集,您需要准备合适的数据集进行数据预处理,划分训练集和测试集,准备标签文件,配置环境,然后使用C3D模型对数据集进行训练。以上是一个基本的步骤,具体的实施细节还需根据您的具体需求和环境进行调整。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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