时空行为检测数据集 JHMDB UCF101

文章目录

0. 前言
1. JHMDB
- 1.1. 基本情况
- 1.2. 数据准备以及标签详解
2. UDF101_24
- 2.1. 基本情况
- 2.2. 数据准备与标签详解
3. 数据集可视化代码

0. 前言

现在常用的时空行为检测数据集只有AVA/JHMDB/UCF101_24。
- AVA数据集是每一秒标一帧，更多信息可以参考我的笔记。
- JHMDB/UCF101_24 是逐帧标注的数据

1. JHMDB

官网，HMDB官网

1.1. 基本情况

JHMDB是对HMDB数据集的二次标注，即 joint-annotated HMDB。
- HMDB数据集有51类，5100多视频。
- JHMDB只标注了HMDB的一部分，21类只包括一个人的行为，也删除了一些这21类行为中人不明显的样本。
- 21类每一类有36-55个样本，每个样本包括了行为的起始与终止时间，每个样本包括14-40帧。
- JHMDB一共标注了31838张图片。
类别列表（21类）
- sit
- run
- pullup
- walk
- shoot_gun
- brush_hair
- jump
- pour
- pick
- kick_ball
- golf
- shoot_bow
- catch
- clap
- swing_baseball
- climb_stairs
- throw
- wave
- shoot_ball
- push
- stand
每个视频最多只有一类目标行为，bbox只标了做目标行为的那几个人

1.2. 数据准备以及标签详解

下面内容参考了 mmaction2数据准备文档，数据下载在上面的文档中有介绍了，反正就是一个压缩包，没啥好说的。
原始JHMDB数据集中好像有关键点、分割等的标签，但我们这个任务中不用。
标签全部保存在JHMDB-GT.pkl 中，这个文件是一个字段，包括了6个key
- labels (list): List of the 21 labels，21类行为标签，即上一小节中提到的。
- gttubes (dict): Dictionary that contains the ground truth tubes for each video.
  - 每个视频、每帧对应的标签（bbox以及行为类别）
  - key为每个样本的相对路径，比如walk/Panic_in_the_Streets_walk_u_cm_np1_ba_med_5
  - value也是list，表示一系列tubes
  - 每个tube用字典表示，class_id/bboxes键值对
  - A gttube is dictionary that associates with each index of label and a list of tubes.
  - A tube is a numpy array with nframes rows and 5 columns, each col is in format like <frame index> <x1> <y1> <x2> <y2>.
- nframes (dict): Dictionary that contains the number of frames for each video, like 'walk/Panic_in_the_Streets_walk_u_cm_np1_ba_med_5': 16.
  - 每个视频包含多少帧图片。
  - key为每个样本的相对路径，value为帧数量。
- train_videos (list): A list with nsplits=1 elements, each one containing the list of training videos.
  - list对象，每个元素也是list（包含若干视频样本信息）
  - 训练集相关视频有哪些
  - 每个样本通过其相对路径表示
- test_videos (list): A list with nsplits=1 elements, each one containing the list of testing videos.
  - list对象，每个元素也是list（包含若干视频样本信息）
  - 测试集相关视频有哪些
  - 每个样本通过其相对路径表示
- resolution (dict): Dictionary that outputs a tuple (h,w) of the resolution for each video, like 'pour/Bartender_School_Students_Practice_pour_u_cm_np1_fr_med_1': (240, 320).
  - key为每个样本的相对路径，value为对应分辨率

2. UDF101_24

2.1. 基本情况

UCF101_24是UCF101数据集的子集，使用了一些不一样的标签。
- 关于标签来源有点尴尬，UCF101中本来是有对应标签的，但现在已经不能下载了。
- 现在的UCF101_24标签是从这个repo中，说是进行了一些微调。
- 每个视频最多只有一类目标行为，bbox只标了做目标行为的那几个人。
  - 感觉也有例外，salsospin有样本都有多个人跳舞（大于等于6个），但只标了俩人。
类别信息（共24类）
- WalkingWithDog
- Diving
- PoleVault
- SkateBoarding
- CricketBowling
- GolfSwing
- Skijet
- RopeClimbing
- FloorGymnastics
- Basketball
- Biking
- VolleyballSpiking
- Fencing
- CliffDiving
- HorseRiding
- SoccerJuggling
- TennisSwing
- LongJump
- SalsaSpin
- TrampolineJumping
- IceDancing
- Skiing
- Surfing
- BasketballDunk

2.2. 数据准备与标签详解

数据下载以及其他相关可以参考 mmaction2数据准备文档，数据下载在上面的文档中有介绍了，反正就是一个压缩包，没啥好说的。
标签与1.2.数据准备以及标签详解完全相同，这里就不多说了。

3. 数据集可视化代码

需求分析：根据类别展示训练样本，在图片上画bbox。

import argparse
import os
import cv2
import pickle
from collections import defaultdictdef _parse_args():parser = argparse.ArgumentParser()parser.add_argument("--dataset", type=str, default="ucf101_24")parser.add_argument("--dataset_root_path", type=str,default="/ssd01/data/ucf101_24")parser.add_argument("--rgb-dir-name", type=str, default="rgb-images")# JHMDB & UCF101_24parser.add_argument("--pkl-filename", type=str, default="UCF101v2-GT.pkl")parser.add_argument("--img-impl", type=str, default="%05d.jpg")return parser.parse_args()def _darknet_draw_bbox(bboxes,labels,scores,img,bboxes_color=(0, 255, 0),bboxes_thickness=1,text_color=(0, 255, 0),text_thickness=2,text_front_scale=0.5):"""bbox的形式是 xyxy，取值范围是像素的值labels是标签名称scores是置信度，[0, 1]的浮点数"""for idx, (bbox, label) in enumerate(zip(bboxes, labels)):xmin, ymin, xmax, ymax = bboxpt1 = (int(xmin), int(ymin))  # 左下pt2 = (int(xmax), int(ymax))  # 右上# 画bboxcv2.rectangle(img, pt1, pt2, bboxes_color, bboxes_thickness)# 写上对应的文字cur_label = labelif scores is not None:cur_label += " [" + str(round(scores[idx] * 100, 2)) + "]"cv2.putText(img=img,text=cur_label,org=(pt1[0], pt1[1] - 5),fontFace=cv2.FONT_HERSHEY_SIMPLEX,fontScale=.5,color=(0, 255, 0),thickness=2,)return imgdef _show_single_video(rgb_dir, tubes, nframes, label, img_impl):draw_imgs = []for i in range(nframes):img = cv2.imread(os.path.join(rgb_dir, img_impl % (i+1)))boxes = tubes[i+1]draw_img = _darknet_draw_bbox(boxes, [label]*len(boxes), None, img)draw_imgs.append(draw_img)cv2.imshow("demo", draw_img)cv2.waitKey(100)return draw_imgsdef _filter_samples(data_dict, args):# TODO: filter input data with categoriesreturn data_dictdef _show_spatiotemporal_datasets(args):pkl_path = os.path.join(args.dataset_root_path, args.pkl_filename)rgb_dir_path = os.path.join(args.dataset_root_path, args.rgb_dir_name)with open(pkl_path, "rb") as fid:cache = pickle.load(fid, encoding='bytes')labels = [c.decode() for c in cache[b'labels']]train_videos = [c.decode() for c in cache[b'train_videos'][0]]test_videos = [c.decode() for c in cache[b'test_videos'][0]]nframes = {k.decode(): v for k, v in cache[b'nframes'].items()}resolution = {k.decode(): v for k, v in cache[b'resolution'].items()}gttubes = {k.decode(): v for k, v in cache[b'gttubes'].items()}# key - sample relative dir# value - dict#   label - int#   nframes - int#   reoslution - tuple#   tubes - arraydata_dict = defaultdict(dict)for k in nframes:data_dict[k]['nframes'] = nframes[k]for k in resolution:assert data_dict[k]['nframes'] is not Nonedata_dict[k]['resolution'] = resolution[k]for k in gttubes:assert data_dict[k]['resolution'] is not Nonelabel = list(gttubes[k].keys())[0]data_dict[k]['label'] = labeldata_dict[k]['tubes'] = defaultdict(list)for boxes in gttubes[k][label]:for box in boxes:data_dict[k]['tubes'][int(box[0])].append(box[1:])for relative_path in data_dict.keys():sample = data_dict[relative_path]_show_single_video(os.path.join(rgb_dir_path, relative_path),sample['tubes'],sample['nframes'],labels[sample['label']],args.img_impl,)def main(args):if args.dataset in ["ucf101_24", "jhmdb"]:show_dataset_fn = _show_spatiotemporal_datasetselse:raise ValueError("Unknown dataset {}".format(args.dataset))show_dataset_fn(args)if __name__ == '__main__':main(_parse_args())

时空行为检测数据集 JHMDB UCF101_24 详解相关推荐

目标检测算法YOLO-V1算法详解
❝ 前面我们一起学了SSD算法的相关知识,如下: SSD目标检测算法必须知道的几个关键点目标检测算法SSD结构详解 ❞ 今天我们学习另一系列目标检测算法YOLO(You Only Look Once ...
目标检测模型YOLO-V1损失函数详解
❝ 上期我们一起学习了YOLOV1算法的原理框架,如下: 目标检测算法YOLO-V1算法详解今天我们深入一步,一起学习下关于YOLO-V1算法的损失函数和优缺点. ❞ YOLO-V1损失函数从上期 ...
python数据集的预处理_关于Pytorch的MNIST数据集的预处理详解
关于Pytorch的MNIST数据集的预处理详解 MNIST的准确率达到99.7% 用于MNIST的卷积神经网络(CNN)的实现,具有各种技术,例如数据增强,丢失,伪随机化等. 操作系统:ubuntu ...
COCO pose数据集标注文件详解
COCO pose数据集标注文件详解注意:使用python3来描述数据集中的内容导入python 使用val2014来举例: from pycocotools.coco import COCO i ...
COCO数据集标注格式详解----object instances
coco数据集类别:80类 3种标注类型,使用json文件存储,每种类型包含了训练和验证 object instances (目标实例): 也就是目标检测object detection objec ...
【动手学PaddlePaddle2.0系列】目标检测理论与YOLOv4详解
对计算机而言,能够"看到"的是图像被编码之后的数字,所以它很难理解高层语义概念,比如图像或者视频帧中出现的目标是人还是物体,更无法定位目标出现在图像中哪个区域.目标检测的主要目的是 ...
深度学习-目标检测YOLOV3 YOLOv4原理详解
2.YoloV3核心基础内容 2.1 网络结构可视化 Yolov3是目标检测Yolo系列非常非常经典的算法,不过很多同学拿到Yolov3或者Yolov4的cfg文件时,并不知道如何直观的可视化查看网络 ...
目标检测网络之SPP-net详解
SPP-net详解: 简要概述:SPP-net网络是基于R-CNN结构改进,且仅在候选区域特征提取,以及特征向量大小转化两个方面做出改进,如详细理解SPP-net请先阅读目标检测开山之作R-CNN详解 ...
谷歌 NAS + 目标检测：SpineNet论文详解
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 作者:bearbee 知乎链接:https://zhuanlan.zhihu.co ...
基于双目视觉的目标检测与追踪方案详解
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者 | Aimme 出品 | 焉知智能汽车一直想通过计算机视觉的角度好好地把其在自动驾驶视觉检测 ...

时空行为检测数据集 JHMDB UCF101_24 详解

文章目录

0. 前言

1. JHMDB

1.1. 基本情况

1.2. 数据准备以及标签详解

2. UDF101_24

2.1. 基本情况

2.2. 数据准备与标签详解

3. 数据集可视化代码

时空行为检测数据集 JHMDB UCF101_24 详解相关推荐

最新文章

热门文章