Python PyTorch Kinetics400用法及代碼示例

本文簡要介紹python語言中 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)

參數：

• root(string) -

  Kinetics-400 數據集的根目錄。結構應如下：

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

• frames_per_clip(int) -剪輯中的幀數

• step_between_clips(int) -每個剪輯之間的幀數

• transform(可調用的,可選的) -接收 TxHxWxC 視頻並返回轉換後版本的函數/轉換。

返回：

具有以下條目的 3 元組：

• 視頻 (Tensor[T, H, W, C])：T 視頻幀

• audio(Tensor[K, L])：音頻幀，其中K是通道數，L是點數

• label (int): 視頻剪輯的類別

返回類型：

元組

Kinetics-400 數據集。

Kinetics-400 是一個動作識別視頻數據集。該數據集將每個視頻視為固定大小的視頻剪輯的集合，由 frames_per_clip 指定，其中每個剪輯之間的幀步長由 step_between_clips 給出。

舉個例子，對於分別有 10 幀和 15 幀的 2 個視頻，如果 frames_per_clip=5 和 step_between_clips=5 ，數據集大小將為 (2 + 3) = 5，其中前兩個元素來自視頻 1，而視頻 2 中的下三個元素。請注意，我們會丟棄不完全包含 frames_per_clip 元素的剪輯，因此視頻中可能並非所有幀都存在。

在內部，它使用VideoClips對象來處理剪輯創建。