文件名称：STRG:视频作为时空区域图的 Pytorch 实现
文件大小：57KB
文件格式：ZIP
更新时间：2024-06-18 14:15:08
Python
视频作为时空区域图 概括 该存储库用于测试以下论文的想法： 这意味着它可能包含与论文中介绍的原始实现的几个不匹配。 此外，性能远低于出版物（24 vs 43），而且我从未测试 Kinetics 预训练的 ResNet-50-I3D。 笔记 该存储库基于 。 论文中 ResNet-50-I3D 的架构与上述存储库中的架构不同。 我没有使用 Kinetics 预训练模型，而是使用 ImageNet 预训练模型。 目前，每次迭代都使用 RPN，这需要大约 3 倍的训练时间。 动力学预训练模型可以在找到。 要求 （需要 1.2+ 版） （需要版） conda install pytorch torchvision cudatoolkit=10.1 -c soumith pip install -r requirements.txt FFmpeg, FFprobe Pyt
【文件预览】：
STRG-master
----inference.py(3KB)
----module()
--------gcn.py(2KB)
--------roi_graph.py(2KB)
----transform.py(12KB)
----mean.py(515B)
----models()
--------resnet2p1d.py(9KB)
--------pre_act_resnet.py(3KB)
--------resnext.py(2KB)
--------__init__.py(0B)
--------densenet.py(7KB)
--------wide_resnet.py(784B)
--------resnet_strg.py(10KB)
--------resnet.py(8KB)
----opts.py(13KB)
----utils.py(2KB)
----main.py(17KB)
----model.py(6KB)
----util_scripts()
--------add_fps_into_activitynet_json.py(958B)
--------hmdb51_json.py(3KB)
--------mit_json.py(3KB)
--------vid2img_sthv2.py(2KB)
--------utils.py(298B)
--------eval_accuracy.py(3KB)
--------kinetics_json.py(4KB)
--------sthv1_json.py(4KB)
--------generate_video_hdf5.py(5KB)
--------generate_video_jpgs.py(4KB)
--------__init__.py(0B)
--------sthv2_json.py(4KB)
--------ucf101_json.py(3KB)
--------remove_dataparallel.py(569B)
----rgcn_models.py(6KB)
----requirements.txt(83B)
----dataset.py(8KB)
----temporal_transforms.py(4KB)
----datasets()
--------videodataset_multiclips.py(2KB)
--------videodataset.py(4KB)
--------__init__.py(0B)
--------activitynet.py(5KB)
--------loader.py(2KB)
----rpn.py(5KB)
----training.py(5KB)
----LICENSE(1KB)
----strg.py(4KB)
----README.md(6KB)
----gen.sh(167B)
----validation.py(4KB)
----spatial_transforms.py(5KB)