推荐开源项目:HACS-dataset - 视频行为识别与定位的新型数据集
2024-06-01 20:44:57作者:胡唯隽

HACS-dataset 是一个创新的视频数据集,它包含了两种类型的手动标注:HACS Clips 和 HACS Segments。这个大规模的数据集特别适合预训练行为识别和定位模型,并且作为时间轴上行为定位的新基准。该项目的最新版本还整合了SLAC数据集。
官方网站: http://hacs.csail.mit.edu/ 论文链接: https://arxiv.org/abs/1712.09374
更新至v1.1.1
在v1.1的基础上进行了一次小规模更新,移除了部分无效的视频。
获取标注文件
- 克隆仓库:
git clone https://github.com/hangzhaomit/HACS-dataset.git
- 解压缩文件:
unzip HACS_v1.1.1.zip
- 检查数据集统计信息:
python dataset_stats.py
标注文件格式
- HACS Clips 的标注文件是
HACS_v1.1.1/HACS_clips_v1.1.1.csv,其中"label": 1表示正样本,"label": -1表示负样本。 - HACS Segments 的标注文件是
HACS_v1.1.1/HACS_segments_v1.1.1.json,格式与ActivityNet数据集相同。
获取视频
- 安装以下库:
- 视频下载工具 (https://github.com/rg3/youtube-dl)
- FFmpeg (https://www.ffmpeg.org/)
- 运行以下命令获取视频:
python download_videos.py --root_dir ROOT_DIR [--dataset {all,segments}] [--shortside SHORTSIDE]ROOT_DIR为保存获取视频的根目录;视频按照ROOT_DIR/CLASSNAME/v_ID.mp4结构存储;- 可以选择获取所有视频(默认)或仅获取HACS Segments视频;
- 默认将视频短边调整到256像素,以节省磁盘空间,可通过
--shortside调整。
请求测试视频及缺失视频
- 如需访问完整的测试视频,请填写请求表单:https://goo.gl/forms/0STStcLndI32oke22。您将在72小时内收到链接。
- 若遇到缺失的视频,可按照指南获取缺失的链接并获取。
引用
如果您的研究受益于HACS-dataset,请引用:
@inproceedings{zhao2019hacs,
title={Hacs: Human action clips and segments dataset for recognition and temporal localization},
author={Zhao, Hang and Torralba, Antonio and Torresani, Lorenzo and Yan, Zhicheng},
booktitle={Proceedings of the IEEE International Conference on Computer Vision},
pages={8668--8678},
year={2019}
}
项目特点:
- 多样性和全面性:HACS-dataset 包含大量不同类别的人类行为,适用于广泛的行为识别和定位任务。
- 精细标注:不仅提供了2秒片段的标注(HACS Clips),还提供了完整动作段的标注(HACS Segments)。
- 易于使用:提供清晰的获取、解压和验证脚本,便于研究人员快速集成到自己的项目中。
- 持续更新:定期维护,及时补充丢失的视频,并提供测试视频的访问渠道。
如果你正在寻找一个强大的视频数据集来提升你的行为识别和定位算法,HACS-dataset无疑是理想的选择。立即加入,开启智能视频处理的探索之旅吧!
登录后查看全文
热门项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 开源电子设计自动化利器:KiCad EDA全方位使用指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
260
2.52 K
deepin linux kernel
C
24
6
暂无简介
Dart
553
123
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++
595
131
Ascend Extension for PyTorch
Python
94
121
仓颉编程语言命令行工具,包括仓颉包管理工具、仓颉格式化工具、仓颉多语言桥接工具及仓颉语言服务。
C++
52
67
React Native鸿蒙化仓库
JavaScript
218
301
🎉 (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
1.02 K
600
仓颉编译器源码及 cjdb 调试工具。
C++
116
90
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
357
1.77 K