TSM视频测试——终结篇啊

鉴于上一篇并未完结，其中视频帧数是个问题，如果想要边读边测，那么只有固定规则了，不能说idx是变化的了。

考虑到如果分割完视频帧，那么势必要将图片存储起来，因为有的视频长，内存可能会占满，因此不如读取一些帧就做个测试，不是说16帧来个测试吗？？但这种预测的速度肯定慢，因为无论是多少帧，只要是大于3帧的，结果都会变成6*16帧，那么这个数据进入模型进行推断时间真的很慢，没有直接的16帧来的快，所以并不认为TSM是完美的。

所以请不要随意进行上采样，请从网络结构出发，参数越少，速度越快，效果越好，这才是终极目标。

鉴于上面提及的DataLoader很令人讨厌，如今终于破解。直接来个for循环就解决了，以后遇到类似的也可解决了。

经查看，发现进行transform的图片个数都是32个，难道这就是16*2的由来？？

下面是不同帧数的视频最终选取的idx，当然选取规则可见，但我想固定，以后固定或者随机设置

[ 2  5  9 12 15 18 22 25 28 31 35 38 41 44 48 51  1  4  7 10 14 17 20 23
 27 30 33 36 40 43 46 49]

 [ 2  6 10 13 17 20 24 28 31 35 39 42 46 49 53 57  1  4  8 11 15 19 22 26
 30 33 37 40 44 48 51 55]

 [ 1  3  5  7  9 11 13 15 16 18 20 22 24 26 28 30  1  2  4  6  8 10 12 14
 16 17 19 21 23 25 27 29]

[ 2  4  6  8 10 12 14 16 18 20 22 24 26 28 30 32  1  3  5  7  9 11 13 15
 17 19 21 23 25 27 29 31]

[ 2  4  6  9 11 14 16 18 21 23 25 28 30 33 35 37  1  3  5  8 10 12 15 17
 20 22 24 27 29 31 34 36]

[ 2  4  6  8 10 13 15 17 19 21 23 26 28 30 32 34  1  3  5  7  9 11 14 16
 18 20 22 25 27 29 31 33]

老子特么一看还是Image读图，卧槽，我用cv2还要看其中源码到底怎么Compose的，虽说之前看了。

我只想说真的认识艰难啊，我想回家休息了，明天搞定视频的直接边读边测，上一篇实现的是视频帧的。

待续。。。。

 

请来看看我吧。Please Do not Keep me Waiting.

另外有相关问题可以加入QQ群讨论，不设微信群

QQ群：868373192 

语音图像深度-学习群

或者发我邮箱：

[email protected]