C3D视频特征提取

一．部署

1． 先把项目Clone下来

git clone https://github.com/jfzhang95/pytorch-video-recognition.git

2． 安装环境：

PyTorch 的安装可以参考这里https://pytorch.org/

pip install opencv-python tqdm scikit-learn tensorboardX

3.下载C3D预训练模型：

在项目目录下新建一个models目录，用来存放预训练模型

百度云地址：https://pan.baidu.com/s/1saNqGBkzZHwZpG-A5RDLVw

GoogleDrive：https://drive.google.com/file/d/19NWziHWh1LgCcHU34geoKwYezAogv9fX/view?usp=sharing

二．准备数据

本次实验用的是公开数据集UCF101，

下载地址：https://www.crcv.ucf.edu/datasets/human-actions/ucf101/UCF101.rar

如果是自己准备数据，按照下面方法来做

在项目目录下创建一个data目录，将数据集放在data目录下，每一个视频分类为一个文件夹，视频名称以v开头，”_”分隔，中间为类别名称，g01，g02依次类推，如果视频太长就分割成多个，名称在g01后再加上c01，c02以此类推，每个视频大小控制在500k内。结构如下：

data

├──UCF-101

├── ApplyEyeMakeup

│   ├── v_ApplyEyeMakeup_g01_c01.avi

│   └── ...

├── ApplyLipstick

│   ├── v_ApplyLipstick_g01_c01.avi

│   └── ...

└── Archery

│   ├── v_Archery_g01_c01.avi

│   └── ...

视频名称参见下图：

三．训练模型

1. 修改数据集和预训练模型路径，在mypath.py文件中需要改四个位置，参考下图：

2. 训练模型，在train.py文件中需要修改

训练过程中的输出：

训练完成后会在run文件夹中生成模型，run目录下最后一个文件夹就是最新模型路径

3. 预测，修改inference.py文件

测试结果：