Advertisement

Kinetics-I3D-PyTorch

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
Kinetics-I3D-PyTorch 是一个基于PyTorch框架实现的Kinetics-I3D模型库，用于视频理解和动作识别研究。 在Kinetics Pytorch上训练的I3D模型仓库通过Pytorch实现了I3D网络，并从张量流转换了预训练的模型权重。样例代码可以将tensorflow模型转换为pytorch，使用命令`./convert.sh`执行此操作。您可以评估样品，使用脚本`multi-evaluate.py`进行评估。与原始模型略有不同的是，您可以在out目录中比较原始模型（imagenet_joint.txt）和PyTorch模型的输出结果。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Kinetics-I3D-PyTorch
    优质
    Kinetics-I3D-PyTorch 是一个基于PyTorch框架实现的Kinetics-I3D模型库，用于视频理解和动作识别研究。 在Kinetics Pytorch上训练的I3D模型仓库通过Pytorch实现了I3D网络，并从张量流转换了预训练的模型权重。样例代码可以将tensorflow模型转换为pytorch，使用命令`./convert.sh`执行此操作。您可以评估样品，使用脚本`multi-evaluate.py`进行评估。与原始模型略有不同的是，您可以在out目录中比较原始模型（imagenet_joint.txt）和PyTorch模型的输出结果。
     
  • Kinetics-Skeleton Kinetics Train Kinetics Train.z01
    优质
    Kinetics-Skeleton Kinetics Train是一系列用于动作识别和姿态估计的数据集与训练模型文件，涵盖广泛的人体运动数据。 kinetics-skeleton训练集太大了，需要拆分成十个部分进行上传。
     
  • Kinetics-Skeleton Kinetics Train Kinetics Train Z07
    优质
    Kinetics-Skeleton Kinetics Train Z07是一款基于动态骨骼技术开发的先进动画训练工具，专为提升角色动作流畅性和自然度而设计。 kinetics-skeleton训练集太大了，需要拆分成十个部分上传。
     
  • kinetics-skeleton.zip
    优质
    Kinetics-Skeleton 是一个包含人类动作关键点数据集的资源包，适用于视频理解与分析研究。包含超过300种不同动作的关键点信息，助力深度学习模型训练。 在人体行为识别领域使用open-mmlab/mmskeleton中的kinetics-skeleton数据集时，该数据集中包含了用于训练的文件kinetics_train_label.json以及用于验证的文件kinetics_val_label.json。此外，还有生成各个视频对应的json文件。
     
  • 示例-Kinetics-Skeleton.zip
    优质
    这个文件包含了一个关于动作识别的数据集Kinetics的骨架数据版本，适用于研究和开发基于深度学习的动作理解模型。 在训练st_gcn模型时，需要运行kinetics_gendata.py生成训练数据。以下是kinetics_gendata.py输入文件格式的示例。
     
  • kinetics-skeleton-val-example.zip
    优质
    kinetics-skeleton-val-example.zip包含了从Kinetics数据集中抽取的人体关键点验证示例视频帧，适用于动作识别和姿态估计研究。 行为识别数据集kinetics-skeleton的示例文件可以用来了解具体内容格式。训练数据与验证数据的格式相同。
     
  • 行为识别PPT：C3D与I3D
    优质
    本PPT聚焦于行为识别技术中的C3D和I3D模型，深入解析其架构特点、优势及应用场景，旨在为研究者提供全面理解这两项关键技术的支持。 在比较C3D和I3D两个模型的行为识别能力时，我们发现两者各有优势。C3D模型基于CNN框架，并使用了预训练的ImageNet分类器来初始化权重；而I3D则是在Inception网络架构的基础上发展起来的，它不仅能够利用空间信息进行特征提取，还能通过时间维度上的卷积操作捕捉动态行为的变化。因此，在处理视频数据时，两者都能有效地识别复杂的行为模式，但具体表现会因应用场景的不同而有所差异。 在组会上展示PPT内容时，我们将详细介绍这两个模型的工作原理、优缺点以及它们在实际应用中的性能对比情况，并探讨如何根据不同的需求选择最适合的模型。
     
  • Kinetics-400数据集.zip
    优质
    Kinetics-400数据集包含400类动作分类的超过30万段短视频，广泛应用于视频理解与行为识别领域，是深度学习研究的重要资源。 Kinetics-400数据集的百度云下载链接可在资源里找到。由于整理资料需要一定时间与精力，因此设置了1积分进行下载限制。关于如何使用，请参考相关说明或文档。
     
  • resnext-101-64f-kinetics模型参数文件(.pth)
    优质
    resnext-101-64f-kinetics.pth是一个预训练深度学习模型参数文件，适用于视频识别任务。该模型基于ResNeXt架构，针对Kinetics数据集优化，能够高效准确地分类和理解动作视频内容。 在GitHub项目https://github.com/kenshohara/3D-ResNets-PyTorch中提供了预训练模型，并且这些模型可以在Google Drive的指定文件夹中找到，链接为https://drive.google.com/drive/folders/1zvl89AgFAApbH0At-gMuZSeQB_LpNP-M。
     
  • i3d_crf: I3D模型在视频分类中的PyTorch实现及结合CRF平滑层的多标签分类方法
    优质
    本研究提出i3d_crf框架，采用I3D模型与条件随机场（CRF）平滑层进行视频多标签分类，在PyTorch中实现，有效提升了分类精度。 该存储库提供了用于多标签视频分类的条件随机场（CRF）结构的PyTorch实现。它采用了Joao Carreira和Andrew Zisserman在论文中提到的I3D预训练模型作为基础分类器。代码基于Deepmind及AJ Piergiovanni开发的I3D管道。 需求：该代码是在Python 3.6环境下，使用0.4.0版本创建的，并需要特定库的支持。 端到端培训I3D +半/全CRF 此流程采用了在ImageNet和Kinetics数据集上预训练过的Deepmind I3D模型。这些模型可以在models目录下找到，分别命名为rgb_imagenet.pt和flow_imagenet.pt。 基础模型（I3D）可以通过执行以下命令进行训练：python train_i3d.py -dataset charades