mmaction下載 - mmaction源代碼下載

mmaction

Python

1.0.0

下載

mmAction

介紹

MmAction是基於Pytorch的動作理解的開源工具箱。它是由多媒體實驗室開發的開放式MMLAB項目的一部分。

主要功能

MMACTION能夠處理以下所有任務。
- 修剪視頻的動作識別
- 未修剪視頻中的時間動作檢測（也稱為動作定位）
- 在未修剪視頻中的時空動作檢測。
支持各種數據集
近年來，視頻數據集已出現，並大大促進了該領域的發展。 MMACTION提供了處理各種數據集的工具。
支持多種行動理解框架
mmAction實現了流行框架以進行行動理解：
- 為了採取行動識別，實現了各種算法，包括TSN，i3d，slowfast，r（2+1）d，csn。
- 對於時間動作檢測，我們實施SSN。
- 對於空間顳原子作用檢測，提供了快速RCNN的基線。
模塊化設計
人類行動理解中的任務具有一些共同的方面，例如骨幹以及長期和短期抽樣方案。此外，任務可以彼此受益。例如，更好的動作識別的骨干將帶來動作檢測的績效增長。模塊化設計使我們能夠以更集成的視角查看動作理解。

執照

該項目是根據Apache 2.0許可證發布的。

更新

Omnisource型號發布（22/08/2020）

我們發布了幾種作品的模型。這些模型通過Kinetics-400和無所不知的Web數據集進行了共同培訓。這些模型的性能良好（TOP1準確性：3段TSN的75.7％ ，動力學400 val的慢速型號為80.4％ ），並且學習的表示形式良好轉移到其他任務。

V0.2.0（15/03/2020）

我們為動作識別構建了多元化的模型，其中包括流行算法（TSN，I3D，Slowfast，R（2+1）D，CSN）。表演與原始論文相符或更好。

V0.1.0（2019年6月19日）

mmaction在線！

模型動物園

結果和參考模型在模型動物園中可用。

安裝

請參閱install.md進行安裝。

更新：有關Docker安裝，請參閱Docker.md，以便將Docker用於此項目。

數據準備

有關數據準備的一般知識，請參考DataSet.md。支持數據集的詳細文檔可在data_tools/ 。

開始

有關詳細的示例和抽像用法，請參閱Get_started.md。

貢獻

我們感謝為改善MMATIC的所有貢獻。請參閱contrufing.md以獲取貢獻指南。

引用

如果您在研究中使用我們的代碼庫或模型，請引用這項工作。稍後我們將發布一份技術報告。

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