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。