mmaction -DOWNLOAD - mmaction -Quellcode -Download

mmaction

Python

1.0.0

Herunterladen

MMACTION

Einführung

MMACTION ist eine Open -Source -Toolbox zum Aktionsverständnis basierend auf Pytorch. Es ist Teil des von Multimedia Laboratory, CUHK, entwickelten Open-MMLAB-Projekts.

Hauptmerkmale

MMACTION ist in der Lage, mit allen folgenden Aufgaben umzugehen.
- Aktionserkennung von geschnittenen Videos
- zeitliche Aktionserkennung (auch als Aktionslokalisierung bezeichnet) in unbegegepften Videos
- räumlich-zeitliche Aktionserkennung in nicht geschnittenen Videos.
Unterstützung für verschiedene Datensätze
Videodatensätze sind in den letzten Jahren aufgetaucht und haben die Devmentation dieses Feldes erheblich gefördert. MMACTION bietet Tools, mit denen verschiedene Datensätze umgehen können.
Unterstützung für das Verständnis mehrerer Aktionen verstehen Frameworks
MMACTION implementiert beliebte Frameworks für das Verständnis des Handelns:
- Zur Aktionserkennung werden verschiedene Algorithmen implementiert, einschließlich TSN, i3d, SlowFast, R (2+1) D, CSN.
- Für die zeitliche Aktionserkennung implementieren wir SSN.
- Für die räumliche temporale Atomwirkungserkennung wird eine schnelle Basis bereitgestellt.
Modulares Design
Die Aufgaben im Verständnis des menschlichen Handelns haben einige gemeinsame Aspekte wie Rückgrat und langfristige und kurzfristige Stichprobenschemata. Außerdem können Aufgaben voneinander profitieren. Beispielsweise bringt ein besseres Rückgrat für die Aktionserkennung den Leistungsgewinn für die Aktionserkennung. Das modulare Design ermöglicht es uns, das Verständnis des Handelns in einer integrierten Perspektive zu betrachten.

Lizenz

Das Projekt wird unter der Apache 2.0 -Lizenz veröffentlicht.

Aktualisierungen

Omnisource -Modellveröffentlichung (22.08.2020)

Wir veröffentlichen verschiedene Modelle unserer Arbeit OmniSource. Diese Modelle werden gemeinsam mit Kinetics-400 und Omnisourced Web Dataset ausgebildet. Diese Modelle sind von guter Leistung (TOP1-Genauigkeit: 75,7% für 3-Segment-TSN und 80,4% für Slowonly on Kinetics-400 Val) und die erlernte Darstellung, die gut auf andere Aufgaben übertragen wird.

v0.2.0 (15.03.2020)

Wir bauen ein diversifiziertes Modellzoo zur Aktionserkennung, die beliebte Algorithmen (TSN, I3D, SlowFast, R (2+1) D, CSN) umfasst. Die Leistung ist mit oder besser als die Originalpapiere ausgerichtet.

v0.1.0 (19/06/2019)

MMACTION ist online!

Modellzoo

Ergebnisse und Referenzmodelle sind im Modellzoo verfügbar.

Installation

Weitere Informationen finden Sie in der Installation.

UPDATE: Für die Installation von Docker finden Sie unter Docker.md, um Docker für dieses Projekt zu verwenden.

Datenvorbereitung

Weitere Informationen zur Datenvorbereitung finden Sie in DataSet.md. Detaillierte Dokumente für die unterstützten Datensätze sind in data_tools/ verfügbar.

Fangen an

Weitere Beispiele für detaillierte Beispiele und abstrakte Verwendung finden Sie unter GOT_STARTED.MD.

Beitragen

Wir schätzen alle Beiträge zur Verbesserung der MMACTION. Weitere Informationen finden Sie unter den beitragenden Richtlinien.

Zitat

Wenn Sie unsere Codebasis oder Modelle in Ihrer Forschung verwenden, zitieren Sie diese Arbeit bitte. Wir werden später einen technischen Bericht veröffentlichen.

 @misc{mmaction2019,
  author =       {Yue Zhao, Yuanjun Xiong, Dahua Lin},
  title =        {MMAction},
  howpublished = {url{https://github.com/open-mmlab/mmaction}},
  year =         {2019}
}