mmaction下载 - mmaction源代码下载

mmaction

Python

1.0.0

下载

mmAction

介绍

MmAction是基于Pytorch的动作理解的开源工具箱。它是由多媒体实验室开发的开放式MMLAB项目的一部分。

主要功能

MMACTION能够处理以下所有任务。
- 修剪视频的动作识别
- 未修剪视频中的时间动作检测（也称为动作定位）
- 在未修剪视频中的时空动作检测。
支持各种数据集
近年来，视频数据集已出现，并大大促进了该领域的发展。 MMACTION提供了处理各种数据集的工具。
支持多种行动理解框架
mmAction实现了流行框架以进行行动理解：
- 为了采取行动识别，实现了各种算法，包括TSN，i3d，slowfast，r（2+1）d，csn。
- 对于时间动作检测，我们实施SSN。
- 对于空间颞原子作用检测，提供了快速RCNN的基线。
模块化设计
人类行动理解中的任务具有一些共同的方面，例如骨干以及长期和短期抽样方案。此外，任务可以彼此受益。例如，更好的动作识别的骨干将带来动作检测的绩效增长。模块化设计使我们能够以更集成的视角查看动作理解。

执照

该项目是根据Apache 2.0许可证发布的。

更新

Omnisource型号发布（22/08/2020）

我们发布了几种作品的模型。这些模型通过Kinetics-400和无所不知的Web数据集进行了共同培训。这些模型的性能良好（TOP1准确性：3段TSN的75.7％ ，动力学400 val的慢速型号为80.4％ ），并且学习的表示形式良好转移到其他任务。

V0.2.0（15/03/2020）

我们为动作识别构建了多元化的模型，其中包括流行算法（TSN，I3D，Slowfast，R（2+1）D，CSN）。表演与原始论文相符或更好。

V0.1.0（2019年6月19日）

mmaction在线！

模型动物园

结果和参考模型在模型动物园中可用。

安装

请参阅install.md进行安装。

更新：有关Docker安装，请参阅Docker.md，以便将Docker用于此项目。

数据准备

有关数据准备的一般知识，请参考DataSet.md。支持数据集的详细文档可在data_tools/ 。

开始

有关详细的示例和抽象用法，请参阅Get_started.md。

贡献

我们感谢为改善MMATIC的所有贡献。请参阅contrufing.md以获取贡献指南。

引用

如果您在研究中使用我们的代码库或模型，请引用这项工作。稍后我们将发布一份技术报告。

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