首页
/ 探索视频中行为识别:Action Recognition in Video

探索视频中行为识别:Action Recognition in Video

2024-06-07 16:13:00作者:郦嵘贵Just

在这个激动人心的开源项目中,我们聚焦于解决视频中的行为识别问题。借助UCF-101数据集,开发者可以深入研究和实验各种不同的解决方案。

Crawling

项目设置

项目易于上手,只需按照以下步骤进行:

  1. 进入data/目录。
  2. 运行download_ucf101.sh脚本下载约7.2GB的UCF-101数据集。
  3. 解压缩数据集(使用unrar x UCF101.rar)。
  4. 解压ucfTrainTestlist.zip文件。
  5. 最后,运行python3 extract_frames.py从视频中提取帧(这可能需要一段时间,请耐心等待)。

ConvLSTM模型

目前,该项目已探索了一种基于卷积LSTM的方法,它通过双向LSTM对预训练的ResNet-152提供的帧嵌入进行操作,以预测视频中的活动。模型结构包括:

  1. 用于提供视频帧潜在表示的卷积特征提取器(ResNet-152)。
  2. 基于这些帧的潜在表示,双向LSTM分类器来判断视频中的动作。

已经提供了一个预先训练好的模型,可以在此处获取。

训练模型

$ python3 train.py  --dataset_path data/UCF-101-frames/ \
                    --split_path data/ucfTrainTestlist \
                    --num_epochs 200 \
                    --sequence_length 40 \
                    --img_dim 112 \
                    --latent_dim 512

在视频上测试

$ python3 test_on_video.py  --video_path data/UCF-101/SoccerPenalty/v_SoccerPenalty_g01_c01.avi \
                            --checkpoint_model model_checkpoints/ConvLSTM_150.pth

Penalty

结果

在随机采样的测试集中(占UCF-101总数的20%),该模型达到了**91.27%**的分类精度。计划在官方的训练/测试分割上重新训练模型,并在有时间时发布结果。

应用场景与项目特点

  1. 广泛应用:这个项目对于开发视频监控系统、体育赛事分析软件或社交媒体内容分析工具等有着广泛的应用潜力。
  2. 直观易用:清晰的代码结构和文档使得轻松上手和调整参数成为可能。
  3. 强大模型:基于ConvLSTM的模型设计,能够捕捉到视频序列的时间动态,提高了行为识别的准确性。
  4. 预训练模型:提供预训练模型,用户可以直接试用,节省大量训练时间。

无论你是深度学习初学者还是经验丰富的研究人员,这个项目都是一个绝佳的学习资源和实践平台。加入我们,一起探索视频行为识别的世界吧!

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
152
1.97 K
kernelkernel
deepin linux kernel
C
22
6
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
426
34
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
239
9
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
988
394
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
193
274
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
936
554
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
69