mmaction2下载并处理AVA数据集
Introduction
基本信息上官网查看,开始操作之前需确保目录定位于$MMACTION2/tools/data/ava/
,便于后续操作
Step 1. Prepare Annotations
可以使用下列脚本准备标注文件
bash download_annotations.sh
脚本默认下载v2.1的标注,如果要下载v2.2的标注,则使用下列脚本
VERSION=2.2 bash download_annotations.sh
如果服务器没办法科学上网,则将脚本中wget的网址换成
https://s3.amazonaws.com/ava-dataset/annotations/ava_v${VERSION}.zip
Step 2. Prepare Videos
用下列脚本下载视频,代码从官方爬虫继承,下载需要花很长时间
bash download_videos.sh
或者可以用下列命令使用python脚本并行下载AVA视频
bash download_videos_parallel.sh
如果服务器没办法科学上网,则将脚本中wget的网址换成
https://s3.amazonaws.com/ava-dataset/annotations/ava_file_names_trainval_v${VERSION}.txt
下载完总共157G的视频,使用du命令查看文件夹大小
Step 3. Cut Videos
对每个视频进行裁剪得到第15到第30分钟的片段,并把片段帧率变为30fps
bash cut_videos.sh
Step 4. Extract RGB and Flow
提取前需要先根据安装教程安装denseflow
只用RGB帧(提取光流太花时间),运行下列脚本使用denseflow提取RGB-only帧
bash extract_rgb_frames.sh
如果没安装上denseflow,还是可以使用下列脚本通过ffmpeg提取RGB帧
bash extract_rgb_frames_ffmpeg.sh
如果两种流都要,则运行下列脚本
bash extract_frames.sh
Step 5. Fetch Proposal Files
脚本使用FAIR的Long-Term Feature Banks
运行下列脚本获取计算好的proposal list
bash fetch_ava_proposals.sh
得到的文件如下图:
这些ava_dense_proposals_[train/val/test].FAIR.recall_93.9.pkl
是由人体检测器生成的proposals,分别用于训练、验证与测试。
以 ava_dense_proposals_train.FAIR.recall_93.9.pkl
为例,它是大小为203626的字典,键由videoID
和timestamp
组成,例如键 -5KQ66BBWC4,0902
表示在视频 -5KQ66BBWC4
的在第902秒的帧的检测结果。字典中的值为 N × 5 N \times 5 N×5 的numpy array, N N N是对应帧中检测的人体bbox数量,bbox的格式为 [ x 1 , y 1 , x 2 , y 2 , s c o r e ] , 0 ≤ x 1 , y 1 , x 2 , w 2 , s c o r e ≤ 1 [x_1, y_1, x_2, y_2, score], 0 \le x_1, y_1, x_2, w_2, score \le 1 [x1,y1,x2,y2,score],0≤x1,y1,x2,w2,score≤1,即bbox的top-left坐标与bottom-right坐标,以横款占比的数值表示, s c o r e score score为人体置信度。
Step 6. Folder Structure
经过上述处理后可以得到rawframes(RGB+光流)、视频以及AVA的annotation文件
在mmaction2中最小的目录结构入下
mmaction2
├── mmaction
├── tools
├── configs
├── data
│ ├── ava
│ │ ├── annotations
│ │ | ├── ava_dense_proposals_train.FAIR.recall_93.9.pkl
│ │ | ├── ava_dense_proposals_val.FAIR.recall_93.9.pkl
│ │ | ├── ava_dense_proposals_test.FAIR.recall_93.9.pkl
│ │ | ├── ava_train_v2.1.csv
│ │ | ├── ava_val_v2.1.csv
│ │ | ├── ava_train_excluded_timestamps_v2.1.csv
│ │ | ├── ava_val_excluded_timestamps_v2.1.csv
│ │ | ├── ava_action_list_v2.1_for_activitynet_2018.pbtxt
│ │ ├── videos
│ │ │ ├── 053oq2xB3oU.mkv
│ │ │ ├── 0f39OWEqJ24.mp4
│ │ │ ├── ...
│ │ ├── videos_15min
│ │ │ ├── 053oq2xB3oU.mkv
│ │ │ ├── 0f39OWEqJ24.mp4
│ │ │ ├── ...
│ │ ├── rawframes
│ │ │ ├── 053oq2xB3oU
| │ │ │ ├── img_00001.jpg
| │ │ │ ├── img_00002.jpg
| │ │ │ ├── ...
同FAIR的repo相比
ava
|_ frames
| |_ [video name 0]
| | |_ [video name 0]_000001.jpg
| | |_ [video name 0]_000002.jpg
| | |_ ...
| |_ [video name 1]
| |_ [video name 1]_000001.jpg
| |_ [video name 1]_000002.jpg
| |_ ...
|_ frame_lists
| |_ train.csv
| |_ val.csv
|_ annotations|_ [official AVA annotation files]|_ ava_train_predicted_boxes.csv|_ ava_val_predicted_boxes.csv
其中ava_train_predicted_boxes.csv和ava_val_predicted_boxes.csv就是ava_train_v2.1.csv和ava_val_v2.1.csv
mmaction2下载并处理AVA数据集相关推荐
- 【ava数据集】ava数据集下载 使用迅雷
目录 1 简介 2 官方数据源 3 python脚本处理 迅雷下载 5 参考 6 训练集和测试集的链接文档 1 简介 AVA数据集是时空行为检测数据集,AVA数据包含430个视频,每个视频15分钟,A ...
- 08【mmaction2 行为识别商用级别】自定义ava数据集 之 将视频裁剪为帧
github(新版):https://github.com/Whiffe/mmaction2_YF 码云(新版):https://gitee.com/YFwinston/mmaction2_YF.gi ...
- 【ava数据集可视化】ava数据集ID可视化 A Video Dataset of Spatio-temporally Localized Atomic Visual Actions
github mmaction2 官网:https://github.com/open-mmlab/mmaction2 github mmaction2 ava数据集制作流程:https://gith ...
- 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
前言 这一篇博客应该是我花时间最多的一次了,从2022年1月底至2022年4月底. 我已经将这篇博客的内容写为论文,上传至arxiv:https://arxiv.org/pdf/2204.10160. ...
- 【slowfast 减少ava数据集】将ava数据集缩小到2个,对数据集做训练,然后进行检测,为训练自己的数据集做准备
目录 前言 一,数据文件结构 1.1 myava 1.2 annotations 1.3 annotations文件处理 1.4 frame_lists 1.5 frames 二,预训练模型 四,配置 ...
- 自定义AVA数据集流程及在SlowFast中训练
目录 前言 一,视频的处理 1.1视频准备 1.2切割视频为图片 二.数据集文件 2.1数据集文件总览 2.2annotations 2.2.1ava_train_v2.2.csv 2.2.2ava_ ...
- 【slowfast中ava数据集处理】ava数据集,将原视频裁剪为15分钟每段
下载完成ava的训练集后,下一步要做的就是把训练集切割为每个视频15分钟. 切割之前,要在windows下安装ffmpeg,git等东西,完成如下的操作 ffmpeg和git安装 Windows安装配 ...
- 自定义AVA数据集,多人视频的时空动作数据集标注方法
1.AI平台与项目下载 AI平台:极链云 实例镜像:Pytorch 1.8.0,python 3.8,CUDA 11.1.1 项目下载:码云 AI平台上执行: cd /home git clone h ...
- 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 ...
最新文章
- Windows数据类型探幽——千回百转你是谁?(2)
- 5 个针对有经验用户的 Vim 实用技巧
- 第八届全国计算机数学学术会议,第一届全国计算机数学学术会议 报告摘要
- ipad php mysql_如何用PHP/MySQL为 iOS App 写一个简单的web服务器(译) PART1
- c++作业5 9.22
- String 课后作业2
- 命令行设置Java环境变量
- Leetcode143. Reorder List重排链表
- 操作系统知识点大总结【管程与死锁】
- 2021-2025年中国丁基胶粘剂行业市场供需与战略研究报告
- vue v-model计算器案例
- GCC 原子操作中 Acquire/Release/Consume/Relaxed 内存模型
- 小写的tensor接受数据,大写的Tensor()接受的是shape,数据的维度
- ArchLinux安装错误”Errors occured, no packages were upgraded. ⇒ ERROR: Failed to install packages to new“
- 题解 P2342 【叠积木】
- U盘量产工具-缩水盘恢复实际容量
- [深度学习] ncnn安装和调用基础教程
- 单页活动页面html,优秀HTML5活动页面
- ebs 系统 登录 java_Oracle EBS登录页面显示空白
- SpringBoot库存管理系统,拿来学习太香了(附源码)