视频分类C3D源码重构版

介绍 === 本C3D模型用的是pytorch框架，支持UCF101、HMDB51和自定义数据集上训练这些模型，本次实验以UCF101为实验对象。<br> 文件目录介绍 === >1.aesst (demo展示)<br> >2.data(把下载好的UCF101数据集、输出的路径放在这里，也可不放这里)<br> >>UCF101（数据集，如下为未处理的视频）<br> >>ucf101（不区分train,val,test，只有类别）<br> >>>Typing<br> >>>...<br> >>>WalkingWithDog<br> > >>UCF101（数据集，如下为处理后的视频帧）<br> >>ucf101（分成train,val,test）<br> >>>train<br> >>>val<br> >>>test<br> >3.dataloaders(数据载入，视频和图片与标签一一对应)<br> >>ucf_labels(数据集标签)<br> >>...<br> >4.models(把下载好的预训练权重放这个位置)<br> >5.network(网络模型)<br> >>C3D_model<br> >>...<br> >6.run(保存训练出来的权重文件)<br> >7.inference(预测文件)<br> >8.mypath(路径文件)<br> >9.train(训练文件)<br> UCF101数据集下载地址：https://www.crcv.ucf.edu/data/UCF101/UCF101.rar 从百度云下载预训练的模型，当前仅支持C3D的预训练模型。<br> 链接：https://pan.baidu.com/s/1iEkK5aV51UvG1Ul5kgUkHw ，提取码：ch8y<br> 如果不想训练，单纯想拿来检测也可以，下载以下的文件，然后找到inference文件把相对于的路径改成你自己设置的路径，就可以实现。<br> 链接：https://pan.baidu.com/s/1DC_tF2lyVlvhNV9htunk4g ，提取码：3v4h <br> 操作流程 ==== >1、准备数据<br> > >按照视频或者视频帧目录结构准备相关数据，内部脚本支持自动将视频转为需要的视频帧格式。 >2、修改配置文件<br> > >修改configs/config_train.yaml文件对应的配置参数。 --- 更详细的过程可以查看：<br> CSDN: 本次实验是借鉴 https://github.com/Niki173/C3D/tree/main <br>