【制作AVADataset数据集过程】

https://github.com/Whiffe/Custom-ava-dataset_Custom-Spatio-Temporally-Action-Video-Dataset 
（1）代码执行在根目录./AVADatasetMake/下
（2）将输入视频文件放入./process_file/videos/下

01、电影剪辑片段

video -- videos_crop

修改sh脚本，使输出片段为11s、fps30、n.mp4命名

./process_src/01_cut_video.sh

02、按片段拆帧

videos_crop -- frames(全部帧)

./process_src/02_cut_frames.sh

03、缩减帧

frames -- choose_frames_all & choose_frames -- choose_frames_middle

检查sh中的python路径

./process_src/03_choose_frames.sh

04、yolo检测

choose_frames_all -- yolov5_det

./process_src/04_yolo_det.sh

05、pkl生成

yolov5_det/labels -- dense_proposals_train.pkl & dense_proposals_train_deepsort.pkl

./process_src/05_pkl_gen.sh

06、via标注生成

dense_proposals_train.pkl & choose_frames_middle -- _proposal.json

修改./process_src/dense_proposals_train_to_via.py的第20行属性字典

./process_src/06_via_gen.sh

07、via软件标注action

_proposal_s.json -- _finish.json

下载打开VIA软件，进行行为标注...
打开*_proposal_s.json标注文件，标注行为信息，另存为*_finish.json

08、via转csv

_finish.json -- train_without_personID.csv

./process_src/08_via2csv.sh

09、deepsort检测跟踪，生成csv

frames & dense_proposals_train_deepsort.pkl & train_without_personID.csv -- train.csv

./process_src/09_deepsort_fusion_csv.sh

10、原帧生成

frames -- rawframes

./process_src/10_rawframes_gen.sh

11、其他文件创建

vim ./ava_finally/annotations/action_list.pbtxt # 写入行为列表，例中视频共两种行为，注意有缩进！

item {
  name: "drink(left)"
  id: 1
}
  item {
  name: "drink(right)"
  id: 2
}

vim ./ava_finally/annotations/included_timestamps.txt # 写入时间戳号，视频片段的middle为[02,08]共7帧(没用到)

val生成最与train相同。

最终，数据集结构如下

├── data
│   ├── ava
│   │   ├── rawframes
│   │   |   ├── 片段全帧图1/
│   │   |   ├── 片段全帧图2/
│   │   |   ├── ...
│   │   ├── annotations
│   │   |   ├── train.csv
│   │   |   ├── [val.csv]
│   │   |   ├── train_excluded_timestamps.csv
│   │   |   ├── [val_excluded_timestamps.csv]	
│   │   |   ├── dense_proposals_train.pkl
│   │   |   ├── [dense_proposals_val.pkl]
│   │   |   ├── action_list.pbtxt

数据集训练

下载mmaction2

git clone https://github.com/open-mmlab/mmaction2.git

修改configs文件。这是一个修改后配置用例DEMO。
训练示例

python tools/train.py ./my_configs/slowfast_kinetics400-pretrained-r50_ava22-rgb-sport.py

推理示例

python demo/demo_spatiotemporal_det.py \
	--config ../work_dirs/slowfast_det_rec_sport-cls4/slowfast_kinetics400-pretrained-r50_8xb6-8x8x1-cosine-10e_ava22-rgb-sport.py \
	--checkpoint ../work_dirs/slowfast_det_rec_sport-cls4/best_mAP_overall_epoch_36.pth \
	--det-config demo/demo_configs/faster-rcnn_r50_fpn_2x_coco_infer.py \
	--det-checkpoint checkpoints/faster_rcnn_r50_fpn_2x_coco_bbox_mAP-0.384_20200504_210434-a5d8aa15.pth  \
	--video ../AVADatasetMake-sport/process_file/videos/bask02.mp4 \
	--out-filename ./demo/testresults/bask02-infer.mp4 \
	--det-score-thr 0.5 \
	--action-score-thr 0.5 \
	--predict-stepsize 4 \
	--output-stepsize 4 \
	--output-fps 6 \
	--label-map ./tools/data/ava/label_map_Custom.txt

日志json分析

python my_analyze_logs.py \
	--json_log ../work_dirs/slowfast_det_rec_sport-cls4/20230718_111358/vis_data/scalars.json.json
	--keys 'mAP/overall'

lyooyl/AVADatasetMake