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>
没有合适的资源?快使用搜索试试~ 我知道了~
视频分类C3D源码重构版
共17个文件
py:7个
txt:2个
gif:2个
0 下载量 53 浏览量
2024-05-22
18:38:13
上传
评论
收藏 4.06MB ZIP 举报
温馨提示
C3D、R3D、R(2+1)D 视频分类源码重构版,仅仅需要修改一个配置文件,不需要进入源码到处修改即可训练自己的数据。
资源推荐
资源详情
资源评论
收起资源包目录
C3D-main.zip (17个子文件)
C3D-main
assets
demo2.gif 1.62MB
hmdb51_results.png 57KB
demo1.gif 2.31MB
ucf101_results.png 60KB
LICENSE 1KB
configs
config_train.yaml 1KB
inference.py 2KB
dataloaders
ucf_labels.txt 1KB
dataset.py 11KB
hmdb_labels.txt 521B
network
R2Plus1D_model.py 13KB
P3D_model.py 0B
C3D_model.py 5KB
R3D_model.py 9KB
.gitignore 1KB
train.py 9KB
README.md 2KB
共 17 条
- 1
资源评论
TigerZ*
- 粉丝: 3w+
- 资源: 8
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功