JTA-Dataset 项目启动与配置教程
1. 项目目录结构及介绍
JTA-Dataset 项目目录结构如下:
JTA-Dataset/
├── annotations/ # 存储数据集注释信息的目录
│ ├── train/ # 训练集注释信息
│ ├── test/ # 测试集注释信息
│ └── val/ # 验证集注释信息
├── videos/ # 存储数据集视频的目录
│ ├── train/ # 训练集视频
│ ├── test/ # 测试集视频
│ └── val/ # 验证集视频
├── to_imgs.py # 将视频分割为帧并保存为指定格式的 Python 脚本
├── to_poses.py # 将序列注释分割为帧注释并保存为指定格式的 Python 脚本
├── visualize.py # 提供注释可视化表示的 Python 脚本
├── coco_style_convert.py # 将注释转换为 COCO 格式的 Python 脚本
├── posetrack_style_convert.py # 将注释转换为 PoseTrack18 格式的 Python 脚本
├── joint.py # 脚本支持类,用于处理关节信息
├── pose.py # 脚本支持类,用于处理姿态信息
└── requirements.txt # 项目所需的依赖列表
2. 项目的启动文件介绍
项目的主要启动文件是 Python 脚本,包括以下几个:
-
to_imgs.py:此脚本用于将数据集中的视频分割为单独的帧,并保存为指定的图片格式(默认为 JPG)。使用此脚本时,可以通过--out_dir_path参数指定输出目录,通过--img_format参数指定图片格式。 -
to_poses.py:此脚本用于将每序列的注释信息分割为每帧的注释信息,并保存为指定的格式(默认为 Numpy)。使用此脚本时,可以通过--out_dir_path参数指定输出目录,通过--format参数指定保存格式。 -
visualize.py:此脚本用于提供注释的可视化表示,将注释信息叠加到视频帧上。使用此脚本时,需要指定输入视频文件路径、注释文件路径和输出视频文件路径。 -
coco_style_convert.py和posetrack_style_convert.py:这两个脚本用于将注释信息转换为 COCO 格式和 PoseTrack18 格式,分别。使用时,可以通过--out_dir_path参数指定输出目录。
3. 项目的配置文件介绍
项目中的配置主要通过修改 Python 脚本中的参数进行。以下是几个关键配置的说明:
-
to_imgs.py和to_poses.py中的--out_dir_path参数:指定处理后文件的输出目录。 -
to_imgs.py中的--img_format参数:指定输出图片的格式,可以是 JPG 或 PNG。 -
to_poses.py中的--format参数:指定注释信息的保存格式,可以是 Numpy 或 Torch。 -
visualize.py中的--in_mp4_file_path、--json_file_path和--out_mp4_file_path参数:分别指定输入视频文件路径、注释文件路径和输出视频文件路径。
在运行任何脚本之前,请确保已经根据 requirements.txt 文件安装了所有必要的依赖项。
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-OCR暂无简介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-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.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).Dockerfile013
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