UCF101和HMDB51数据集的处理 for Human Action Recognition

最新推荐文章于 2025-05-17 20:27:38 发布
最新推荐文章于 2025-05-17 20:27:38 发布
阅读量8.6k 收藏 20
点赞数 2
CC 4.0 BY-SA版权
分类专栏： HumanActionRecognition 数据集相关
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Amazingren/article/details/105408049
这篇博客主要介绍了如何获取和处理UCF101与HMDB51这两个数据集，用于人类行为识别。内容包括数据集的下载链接，解压缩方法，以及在非root用户环境下安装rar工具的步骤，但未涉及数据预处理的具体细节。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

〇、数据集简介：

一、数据集获取：

1. UCF-101

http://crcv.ucf.edu/data/UCF101/UCF101.rar

此外，该数据集由于超过4G了无法上传百度云，所以还在自己移动硬盘里有备份

2. HMDB51

https://serre-lab.clps.brown.edu/resource/hmdb-a-large-human-motion-database/
此外，该数据集已上传到自己的百度云网盘

二、数据集解压缩：

两个都是rar的压缩文件，由于自己在服务器上跑实验，所以需要在服务器上解压，所以首先安装rar，这个自己尝试了蛮久，非root用户安装失败，最后求助于管理员安装了，反正大家都用得到。

1. UCF101解压：

这个简单
cd到对应文件夹输入
rar x UCF101.rar
即可

2. HMDB51解压

该数据集到手后文件是hmdb51_org.rar文件，其实是一个两

最低0.47元/天 解锁文章
人类行为识别 - 使用I3D或C3D模型在HMDB51数据集上进行人类行为识别任务。
sybh的博客
04-27 1814
在本文中，我们介绍了如何使用I3D和C3D模型在HMDB51数据集上进行人类行为识别任务，并提供了Python代码实现。然后，我们分别使用I3D和C3D模型进行人类行为识别任务，并对模型进行了训练和评估。在实际应用中，收集和标注数据需要耗费大量的时间和成本，因此如何有效地使用现有的数据是一个重要的研究方向。随着计算能力的提高和数据集的扩大，我们可以期待更加准确和鲁棒的人类行为识别模型的出现。通过使用I3D和C3D模型，我们可以识别人类在视频中的不同行为，这对于视频监控、自动驾驶和人机交互等应用非常有用。
UCF101 - Action Recognition Dataset行为识别数据集UCF101-数据集
03-04
UCF101 is provided by University of Central Florida.本数据集由中央佛罗里达大学提供。 UCF101_TrainTestSplits-DetectionTask_datasets.zip UCF101_TrainTestSplits-RecognitionTask_datasets.zip
UCF101下载链接.docx
12-01
UCF101数据集，完整版，网盘分享。
HMDB51数据集划分
最新发布
被放养的研究生的博客
05-17 292
【代码】HMDB51数据集划分。
动作识别基于PyTorch的3D ResNets模型实现的动作识别任务+运行说明（含训练、微调和测试、在UCF-101和HMDB-51等多数据集训练）.zip
11-25
动作识别基于PyTorch的3D ResNets模型实现的动作识别任务+运行说明（含训练、微调和测试、在UCF-101和HMDB-51等多数据集训练） 一个基于PyTorch的3D ResNets模型,用于动作识别任务。它包含了训练、微调和测试在Kinetics、Moments in Time、ActivityNet、UCF-101和HMDB-51等数据集上的代码。 主要功能点 支持在Kinetics-700、Moments in Time和STAIR-Actions数据集上训练和测试3D ResNets模型 支持分布式训练 提供了多种预训练模型,包括在不同数据集上训练的ResNet-18、ResNet-34、ResNet-50、ResNet-101和ResNet-152 提供了数据集准备和转换的脚本 技术栈 Python PyTorch FFmpeg, FFprobe
hmdb51数据集,视频+标签
qq_42845932的博客
04-04 1万+
hmdb51;行为识别
将视频数据集转换为帧序列，并划分为训练集，验证集与测试集（以HMDB51为例）
LoriaLi的博客
03-05 1154
首先需要观察数据集的存储路径HMDB51原始存储是路径+类（文件夹）+视频（avi视频）提取帧序列我们需要转换为路径+类+视频名（文件夹）+帧序列（jpg图片）划分数据集后存储路径为路径+训练/验证/测试（文件夹）+类（文件夹）+帧序列。
UCF101动作识别数据集简介绍及数据预处理
热门推荐
无名的小菜鸡
05-23 4万+
文章目录一、数据集简介：二、数据集获取及解压缩：1. 数据下载2. 数据集解压缩：三、数据集划分四、数据集预处理1. 生成pkl文件2. 直接对视频文件处理 一、数据集简介： UCF101是一个现实动作视频的动作识别数据集，收集自YouTube，提供了来自101个动作类别的13320个视频。官方网站：https://www.crcv.ucf.edu/research/data-sets/ucf101/ 数据集名称：UCF-101（2012） 总视频数：13,320个视频 总时长：27个小时 视频来源：Yo
UCF101 数据集介绍与下载
牧子川的博客
01-10 3460
UCF101 是一个现实动作视频的动作识别数据集，收集自YouTube，提供了来自101个动作类别的13320个视频。官方：https://www.crcv.ucf.edu/research/data-sets/ucf101/数据集名称：UCF-101（2012）总视频数：13,320个视频总时长：27个小时视频来源：YouTube采集视频类别：101。
HMDB51数据处理之avi视频转化为帧
com_fang_bean的博客
08-14 1194
import os import numpy as np import cv2 video_src_src_path = 'data/hmdb_data_demo' label_name = os.listdir(video_src_src_path) label_dir = {} index = 0 for i in label_name: if i.startswith('.'): continue label_dir[i] = index index += .
action recognition/activity recognition/行为识别/动作识别+经典论文/网络框架+阅读小总结
Lujiahao98689的博客
02-20 8059
【论文小结】action recognition/行为识别经典论文/网络小结基于2D图像和视频的行为识别1. two-stream related(双流方法)1）Two-stream convolutional networks for action recognition in videos2）Convolutional Two-Stream Network Fusion for Video A...
tensorflow-C3D-ucf101网络
10-17
3dcnn 行为识别网络架构并使用softmax层 用于ucf101数据集
《Long-Term Temporal Convolutions for Action Recognition》 论文翻译
qq_30501975的博客
06-18 3101
翻译，论文原文来自PAMI官方网站，原文链接 翻译人： 翻译时间：2018年6月10日14:39:18 并标记了一些重点。 目录 作者 摘要 关键词 介绍 相关工作 长时期卷积 网络架构 网络输入 学习 实验 数据集和评估指标 LTC网络参数的评估 光流量 数据增强 比较16帧和60帧网络 改变时间和空间分辨率 组合不同时态决议的网络 与最新技术的比较 三维...
Video Analysis相关领域介绍之Action Recognition(行为识别)
Will Lin的博客
04-19 2万+
这篇文章投稿在极视角公众号，微信链接 随着深度学习技术的发展，以及计算能力的进步（GPU等），现在基于视频的研究领域越来越受到重视。视频与图片最大的不同在于视频还包含了时序上的信息，此外需要的计算量通常也大很多。目前主要在做视频中动作定位相关的工作，为了开拓思路，读了不少视频分析相关领域的文章，所以打算写几篇博客，对视频分析相关的几个领域做一个简要的介绍。这篇主要介绍Action Recogniti
I3D泛读【Que Vadis,Action Recognition?A New Model and the Kinetics Dataset】
weixin_47341656的博客
04-14 2789
I3D
对各种数据集的处理
qq_40133804的博客
11-12 765
一、数据集获取： UCF-101 http://crcv.ucf.edu/data/UCF101/UCF101.rar 运行 rar x UCF101.rar HMDB51 https://serre-lab.clps.brown.edu/resource/hmdb-a-large-human-motion-database/ 第一次： rar x hmdb51_org.rar 得到51个压缩包 第二次 *.rar | xargs -n1 rar x 解压 3.something-something ht
数据预处理
hengfanz的专栏
11-23 1171
数据预处理 通过准备和转换对数据集进行预处理，以用于训练。 Intuition 数据预处理可以分为两类过程：准备和转换。将探索常见的预处理技术，然后针对特定应用逐步完成相关过程。 warning 某些预处理步骤global（不依赖于数据集，例如小写文本、删除停用词等）和其他步骤local（结构仅从训练拆分中学习，例如词汇、标准化等）。对于本地的、依赖于数据集的预处理步骤，要确保在预处理之前先拆分数据以避免数据泄漏。 准备中 准备数据涉及组织和清理数据。 加入 与现有数据表执行 SQL 连接，将您需要的所
『深度数据』视频分类数据集·HMDB51介绍
简明AI工作室
08-18 2万+
0.背景 主要的视频分类数据集如表所示： 本文详细介绍一个小型方便使用的数据集HMDB51，数据量小，方便使用 1. HMDB51介绍 HMDB51包含51类动作，共有6849个视频，每个动作至少包含51个视频，分辨率320*240,。来自于YouTube，google视频等，共２G． 主页地址：http://serre-lab.clps.brown.edu/resou...
人体动作识别数据集
03-23
<think>好的，我现在需要帮助用户寻找用于人体动作识别的机器学习或计算机视觉项目的数据集。首先，我得回忆一下用户提到的引用内容。用户引用了两个来源：引用[1]提到了图模型在时空数据结构中的应用，这可能与动作识别中的时间建模有关；引用[2]则提到了几个基于动作/行为识别的数据库，并指出在第一条网址中可以找到下载链接。用户的问题很明确，需要推荐相关的数据集。 接下来，我需要确定用户的具体需求。用户提到的是“人体动作识别”，所以需要聚焦在包含人类动作的数据集上，而不是其他类型的动作或行为。此外，用户可能希望这些数据集适用于机器学习或计算机视觉项目，这意味着数据集需要有一定的规模、标注质量高，并且容易获取。 根据我的知识库，常用的动作识别数据集包括UCF101、HMDB51、Kinetics、Something-Something、Charades、NTU RGB+D等。我需要检查这些数据集是否符合用户的需求，并确保它们都是公开可用的。同时，我需要参考用户提供的引用内容，特别是引用[2]提到的数据库汇总，可能需要将这些数据集包含进去。 用户提到的引用[2]中的文章《视频中行为识别公开数据库汇总》可能已经列出了一些相关数据集，所以需要确保我的回答与这些资源一致，并正确引用。另外，用户可能对数据集的多样性、应用场景（如视频中的行为识别）以及是否包含多模态数据（如RGB视频、深度信息、骨骼数据等）感兴趣。 接下来，我需要整理这些数据集的名称、特点、应用场景和下载链接。例如，UCF101适用于动作识别，包含101类动作；Kinetics数据集规模大，适合训练深度模型；NTU RGB+D包含深度和骨骼数据，适合多模态研究。每个数据集的特点需要简明扼要地描述，方便用户根据项目需求选择。 此外，用户可能还需要了解如何获取这些数据集，所以需要提供准确的下载链接或来源。例如，UCF101和HMDB51通常可以在官方网站或学术页面找到，Kinetics可能需要通过DeepMind的渠道获取，而NTU RGB+D可能需要填写表格申请访问权限。需要确保这些信息是最新的，避免提供过时的链接。 最后，按照用户的要求，生成相关问题，比如数据集的标注类型、处理工具、选择标准以及多模态数据集等。这些问题应该帮助用户进一步探索和解决他们在使用这些数据集时可能遇到的疑问。 总结一下，我的回答需要结构清晰，分点列出数据集，每个数据集的信息准确，引用正确，并且生成的相关问题能够引导用户深入了解更多细节。同时，要确保所有的数学公式和代码格式符合用户指定的要求，尽管在这个问题中可能不需要使用数学公式，但如果有涉及的话，需要用$...$或$$...$$格式。</think>以下是常用于人体动作识别的公开数据集推荐，结合计算机视觉与机器学习应用场景： ### 1. **UCF101** - **特点**：包含13,320个视频片段，覆盖101类人体动作（如跳水、打篮球），分辨率$320 \times 240$，适用于动作分类与时间定位[^2]。 - **应用**：视频分类模型基准测试 - **下载**：[UCF101官网](https://www.crcv.ucf.edu/data/UCF101.php) ### 2. **HMDB51** - **特点**：6,766个视频标注51类动作，包含手持摄像机拍摄的真实场景动作，挑战性较高[^2]。 - **应用**：动作识别鲁棒性测试 - **下载**：[HMDB51页面](https://serre-lab.clps.brown.edu/resource/hmdb-a-large-human-motion-database/) ### 3. **Kinetics系列** - **特点**： - Kinetics-400：30万视频片段，400类动作 - Kinetics-700：扩展至65万视频片段，覆盖更复杂场景 - **应用**：训练大规模深度学习模型 - **下载**：[DeepMind Kinetics](https://deepmind.com/research/open-source/kinetics) ### 4. **NTU RGB+D** - **特点**：多模态数据集，包含RGB视频、深度图、骨骼关节数据，56,880个样本，60类动作[^2]。 - **应用**：多传感器融合研究 - **下载**：[NTU官网申请](https://rose1.ntu.edu.sg/dataset/actionRecognition/) ### 5. **Something-Something** - **特点**：174类精细动作（如"推开某物"），强调时序关系理解，包含220,847视频片段。 - **应用**：时序动作建模 - **下载**：[20BN数据集页面](https://20bn.com/datasets/something-something)
评论 14
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值