自制AVA数据集工具/slowfast模型训练数据集制作

AVA2.1版本更新了追踪这一列。

那2.2版本请参考此链接文章：自定义ava数据集及训练与测试完整版时空动作/行为视频数据集制作 yolov5, deep sort, VIA MMAction, SlowFast_CV-杨帆的博客-CSDN博客_ava数据集训练

本文提供了 AVA V2.1 版本数据集制作脚本。

V2.2版本多了一列追踪。

觉得有用的可以顺手在github点个star，给你们比心心，哈哈哈

提供了 train/val.csv v2.1文件生成，

如果你做slowfast行为检测，还提供 annotations\person_box_67091280_iou90下文件即包含prediecred框文件的生成。

如果你使用的facebook(meta)的slowfast，本脚本完全适用。

如果你用的openmmlab平台里的sowfast,需要自行对含有score的csv文件做一个转pkl的脚本，并且删除action kind一列。

自动获取time，坐标，自动获取score。

action kind 手动在 VIA3.0 上标注。

详细信息请阅读README

GitHub - Blueyao17/self-made_ava_dataset_tool: Some scripts on generating homemade AVA format datasetsSome scripts on generating homemade AVA format datasets - GitHub - Blueyao17/self-made_ava_dataset_tool: Some scripts on generating homemade AVA format datasetshttps://github.com/Blueyao17/self-made_ava_dataset_tool上述脚本可能还有一些不完善的地方，希望同行们继续完善修改。

train.csv V2.1

annotations\person_box_67091280_iou90 下的文件：（slowfast模型AVA训练需要）

----------------------------------------------------

具体使用如下：

step1：

1.先安装 mmcv-full，cuda版本和torch版本要与自己环境对应

pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html

  For example: pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.8.0/index.html

2. 下载检测权重，地址为：

https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_2x_coco/faster_rcnn_r50_fpn_2x_coco_bbox_mAP-0.384_20200504_210434-a5d8aa15.pth

3.修改为你需要的行为标签：

在 detectron2_outvia3.py 文件代码 118行处

4.生成via3需要的json文件，例如：

python detectron2_outvia3.py E:\ava\faster_rcnn_r50_fpn_2x_coco.py E:\ava\faster_rcnn_r50_fpn_2x_coco_bbox_mAP-0.384_20200504_210434-a5d8aa15.pth--input E:\ava\org_img\*.jpg--gen_via3--output E:\ava\annotations_proposal--score-thr 0.5--show

生成结果：

step2：获取需要的标签文件

1.下载via3标注工具： https://www.robots.ox.ac.uk/~vgg/software/via/

2.打开 via_image_annotator.html

3.加载之前检测的图片，点击红色框

4.加载生成的json文件，点击绿色框

5.加载完后，删除不需要框，调整需要调整的框，并打标签

6.保存打好标签后的json文件，如 via3_saved_json/via_ground_truth_test.json

7. 运行 gt_json2csv.py 将标签转化为AVA2.1格式，先自行修改里面的三处路径。代码写的很草率，有需要的自行完善一下。如：self-made_ava_dataset_tool/ann_csv/ground_truth.csv

生成的AVA2.1格式如图，标签随便乱打的：

Step3（slowfast用）：

Note: 此处你只需要删除不需要的检测框即可，无需调整框的大小。

至于这一处为避免麻烦，需不需要和step2生成的文件使用相同的，看个人选择，最后效果本人未做过实验。slowfat里使用的预检测的csv文件和标签的csv文件不是同一个。

如果你使用的Facebook/slowfast，那么你需要用到此文件。

如果你使用的openmmlab平台的slowfast 你只需要把生成后的文件的标签一列删除，并且转换成pkl文件。

1.先通过VIA3来进行删除无用的坐标框，并打个标签，生成预检测的json文件

2.先修改里面的路径，运行 predicted_json2csv.py 文件，生成预见测的csv文件。

如：self-made_ava_dataset_tool/ann_csv/predicted_ann.csv

注意，部分脚本只是随手一写，可能有不太合适的地方，自己使用的时候可以视情况修改完善。

暂时没有研究V2.2版本的，有大神可以做一下分享一下。

自制AVA数据集工具/slowfast模型训练数据集制作相关推荐

寺冈labelnet使用说明_基于imagenet数据集的ResNet50模型训练示例
基于imagenet数据集的ResNet50模型训练示例训练前准备数据集获取本训练示例以imagenet数据集为例,从imagenet官方网站http://www.image-net.org/获 ...
【人工智能与机器学习】——Keras编程分别实现人脸微笑和口罩数据集的识别模型训练和测试（卷积神经网络CNN） + 实时分类微笑和口罩识别检测
机器学习练习目录一.理解人脸图像特征提取的各种方法的特征 1.HOG 2.Dlib 3.卷积神经网络(CNN) 二.卷积神经网络(CNN)笑脸数据集(genki4k)正负样本的划分.模型训练和测试的 ...
Python机器学习iris数据集预处理和模型训练
机器学习模型训练一.iris数据集简介二.基本数据操作和模型训练一.iris数据集简介 iris数据集的中文名是安德森鸢尾花卉数据集,英文全称是Anderson`s Iris data set. ...
Pytorch通用图像分类模型（支持20+分类模型），直接带入数据就可训练自己的数据集，包括模型训练、推理、部署。
Pytorch-Image-Classifier-Collection 介绍 ============================== 支持多模型工程化的图像分类器 =============== ...
批量下载百度搜索图片+labelimg制作自己的数据集+转换至Yolo-v5训练数据集
由于课题需要,需要自己制作数据集进行训练,目前是自己制作的第二个数据集,发现有某些细节已经忘记,记录备忘,同时为后来者提供借鉴.文章以car-tank数据集做为例子介绍整体流程: 1.准备数据:从各 ...
车牌检测模型训练(含源码和数据集)
车牌检测模型训练(含源码和数据集) 本教程利用NVIDIA TAO进行车牌检测模型的训练: 模型框架:SSD 数据集: CRPD, 连接:https://github.com/yxgong0/CRPD ...
keras_retinanet 目标检测——自定义图片数据集的模型训练步骤
最近在学习 keras_retinanet ,下面就记录下用自己的数据集进行的模型训练. 大致分为以下几步: 自定义训练数据图片目标标注生成用于训练的图片名称.目标标注位置及目标类别的.csv文件 ...
alexeyab darknet 编译_【目标检测实战】Darknet—yolov3模型训练（VOC数据集)
原文发表在:语雀文档 0.前言本文为Darknet框架下,利用官方VOC数据集的yolov3模型训练,训练环境为:Ubuntu18.04下的GPU训练,cuda版本10.0:cudnn版本7.6.5 ...
Fate集群 | 基于MNIST数据集的模型训练+模型预测详细过程
文章目录一.获取数据集并简单处理 1.分割数据集 2.拷贝数据集二.模型训练 1.上传数据 1)host方 2)guest方 2.构建模型 3.修改配置文件 1)DSL简介 2)DSL配置文件 3 ...

自制AVA数据集工具/slowfast模型训练数据集制作

自制AVA数据集工具/slowfast模型训练数据集制作相关推荐

最新文章

热门文章