文件名称：stado:cmu11785项目
文件大小：118KB
文件格式：ZIP
更新时间：2024-04-28 04:26:55
Python
时空行为检测与遮挡 Pytorch实现。 以（MOC）为骨干。 概述 通过将动作实例视为移动点的轨迹，提出一种新的动作细管检测框架，称为“ MoveCenterCenter检测器”（MOC-detector） 。 MOC检测器被分解为三个关键的头分支： （1）中心分支，例如中心检测和动作识别。 （2）运动分支，用于在相邻帧处估计运动，以形成运动点轨迹。 （3）通过直接回归每个帧的估计中心点处的边界框大小来进行空间范围检测的Box Branch 。 用法 1.安装 请参阅以获取安装说明。 2.数据集 请参阅以获取数据集设置说明。 3.评估 您可以按照的说明评估我们的模型并在原始论文中复制结果。 4.火车 您可以按照的说明来训练我们的模型。 5.可视化 您可以按照的说明获取可视化结果。 参考 来自MOC的骨干码。 来自ACT的数据扩充代码。 ACT的评估代码。 从DLA-34骨架
【文件预览】：
stado-main
----NOTICE(9KB)
----pip-list.txt(89B)
----LICENSE(1KB)
----src()
--------train.py(6KB)
--------ACT_utils()
--------MOC_utils()
--------trainer()
--------ACT.py(14KB)
--------detector()
--------inference()
--------det.py(1KB)
--------vis()
--------network()
--------datasets()
--------opts.py(8KB)
----.gitignore(94B)
----readme()
--------Visualization.md(5KB)
--------Dataset.md(1KB)
--------Tips.md(3KB)
--------Evaluation.md(10KB)
--------Installation.md(2KB)
--------Backbone.md(3KB)
--------Train.md(6KB)
----README.md(2KB)
----scripts()
--------jhmdb25_train25_inference.sh(4KB)
--------train_ucf_k7_resnet18.sh(1KB)
--------ucf_normal_inference.sh(1KB)
--------jhmdb00_train00_inference.sh(4KB)
--------jhmdb00_train25_inference.sh(4KB)
--------jhmdb_stream_inference.sh(923B)
--------jhmdb33_train25_inference.sh(4KB)
--------jhmdb50_train25_inference.sh(4KB)
--------train_jhmdb_k7_dla.sh(519B)
--------train_ucf_k7_dla.sh(446B)
--------jhmdb50_train00_inference.sh(4KB)
--------jhmdb33_train00_inference.sh(4KB)
--------jhmdb25_train00_inference.sh(4KB)