MMAction2 01 - cutsom数据集（ing）

1.视频to图像

video2img.sh脚本

待师弟填坑

2.proposal自动生成

行为识别 <–> 人的行为 ==> 框person

利用目标检测算法，将图像帧中person识别出来，并导出box信息。

 参数说明：
 
 --input ../../Datasets/Interaction/images/train/*/*.jpg  需要生成 proposal.json 文件的图片路径
 --output --output ../../Datasets/Interaction/anno  生成 proposal.json 文件的保存路径
 
 --det-config   ./mywork/faster_rcnn_0_fpn_2x_coco.py   person检测模型配置文件     
 --det-checkpoint ../../Checkpoints/mmdetection/faster_rcnn_r50_fpn_2x_coco_bbox_mAP-0.384_20200504_210434-a5d8aa15.pth   person检测模型权重文件 

使用脚本detection2_outvia3.py，执行如下命令：

python mywork/detection2_outvia3.py ./mywork/faster_rcnn_0_fpn_2x_coco.py ../../Checkpoints/mmdetection/faster_rcnn_r50_fpn_2x_coco_bbox_mAP-0.384_20200504_210434-a5d8aa15.pth --input ../../Datasets/Interaction/images/train/*/*.jpg --gen_via3 --output ../../Datasets/Interaction/anno --score-thr 0.5 --show

如果有报错，注意输入输出的路径！！！

完成后，可以在Datasets/Interaction/anno文件夹中查看到如下文件

3.via标注工具下载与使用

3.1 下载

官网：https://www.robots.ox.ac.uk/~vgg/software/via/

3.2 解压

解压后如下图所示，打开via_image_annotator.html文件

3.3 使用

由于AVA数据十分庞大，硬盘和GPU都十分吃力，立即推 ~ 坚决不放弃

我们采用mini版的Interaction数据集：http://cvrc.ece.utexas.edu/SDHA2010/Human_Interaction.html

数据集格式如下：

└── Interaction
       ├── annotations    
       |   ├── train/seq1.joson+seq1_proposal.json 
       |   ├── test/seq5.joson+seq5_proposal.json 
       └── images   
           ├── train/seq1/seq1_00003.jpg
           ├── test/seq5/seq5_00003.jpg

待完善~