TSN是16年Activity Challenge比赛中”untrimmed video classification”项目的冠军。
TSN项目代码地址:https://github.com/yjxiong/temporal-segment-networks
实验流程记录
参考README.md
下载项目代码,并编译
git clone --recursive https://github.com/yjxiong/temporal-segment-networksbash build_all.sh; 或者多GPU并行:MPI_PREFIX=<root path to openmpi installation> bash build_all.sh MPI_ON
build_all.sh文件会下载opencv 2.4.13,denseflow(用来截取视频帧和光流),并且编译caffe-action
这里有一点值得注意的是需要先clone代码,再编译。如果是从网上download的代码直接编译的话,会因为缺少部分文件导致编译失败。
获取视频帧和光流
论文中使用的数据库是HMDB-51和UCF-101,可以到他们的数据库官网中下载,并解压。
获取视频帧和光流代码:
bash scri

本文详细记录了Temporal Segment Networks (TSN)的实验过程,包括项目代码下载与编译、视频帧和光流的获取、预训练模型的下载以及在UCF101和HMDB51数据集上的测试。在测试过程中遇到了一些问题,如文件路径错误、编译失败等,文中给出了相应的解决方案,包括修改Python路径和检查文件路径的准确性。
最低0.47元/天 解锁文章
8212





