Python PyTorch Kinetics400用法及代码示例

本文简要介绍python语言中 torchvision.datasets.Kinetics400 的用法。

用法:

class torchvision.datasets.Kinetics400(root: str, frames_per_clip: int, num_classes: Optional[Any] = None, split: Optional[Any] = None, download: Optional[Any] = None, num_download_workers: Optional[Any] = None, **kwargs: Any)

参数：

• root(string) -

  Kinetics-400 数据集的根目录。结构应如下：

  root/
  ├── class1
  │   ├── clip1.avi
  │   ├── clip2.avi
  │   ├── clip3.mp4
  │   └── ...
  └── class2
      ├── clipx.avi
      └── ...

• frames_per_clip(int) -剪辑中的帧数

• step_between_clips(int) -每个剪辑之间的帧数

• transform(可调用的,可选的) -接收 TxHxWxC 视频并返回转换后版本的函数/转换。

返回：

具有以下条目的 3 元组：

• 视频 (Tensor[T, H, W, C])：T 视频帧

• audio(Tensor[K, L])：音频帧，其中K是通道数，L是点数

• label (int): 视频剪辑的类别

返回类型：

元组

Kinetics-400 数据集。

Kinetics-400 是一个动作识别视频数据集。该数据集将每个视频视为固定大小的视频剪辑的集合，由 frames_per_clip 指定，其中每个剪辑之间的帧步长由 step_between_clips 给出。

举个例子，对于分别有 10 帧和 15 帧的 2 个视频，如果 frames_per_clip=5 和 step_between_clips=5 ，数据集大小将为 (2 + 3) = 5，其中前两个元素来自视频 1，而视频 2 中的下三个元素。请注意，我们会丢弃不完全包含 frames_per_clip 元素的剪辑，因此视频中可能并非所有帧都存在。

在内部，它使用VideoClips对象来处理剪辑创建。