行为识别C3D代码(pytorch)实现过程及常见错误

行为识别C3D代码(pytorch)实现过程及常见错误

1.C3D网络代码

C3D（pytorch）实现代码链接：

C3D代码

2.C3D代码复现过程

（1）环境版本要求
pytorch：3.5及以上
opencv：3.4.2（我是这样的，其他低点的版本应该也可以）
tensorboard：2.4
scikit-learn:0.23.2

（2）数据集的制作

首先将UCF-101的数据集结构存储为以下形式：
建议：如果代码中mypath路径不想更改的话，新建一个文件夹（/path/to/），存放UCF-101知道的路径是/path/to/UCF-101。
（很重要）注意：所有的路径尤其是mypath.py的路径不能有中文，中文会导致cv.imread出错，无法将图片存储到文件夹中。
现在网上下载UCF-101数据集超级慢，如果大家需要可以加关注，留qq邮箱，给你发压缩包。

（3）下载预训练model
预训练model下载地址：
预训练model
接下来在之前所创建好的文件下(/path/to)下再创建一个Models文件夹存放预训练模型，最终的预训练模型是/path/to/Models/ucf101-caffe.pth

（4）处理UCF-101数据集
处理UCF-101数据集就是将视频按一定的帧次分割成一张一张图片。该代码所在处是dataset.py。
首先对mypath.py进行修改因为之前创建了文件夹，所以root-dir和model_dir的路径不用更改。只需要在/path/to/文件夹下创建一个VAR文件夹，再VAR文件夹中创建UCF-101,最终的路径是/path/to/VAR/ucf101。这个路径就是out_dir的路径，所以mypath里面的路径不需要更改了。
对dataset.py代码更改如下图：



这些改完之后，运行database.py，处理时间比较长，可以先做点其他的事情。最后分割图片后的结果如图：

（5）对inference.py和train.py文件改动
接下来就是在预训练之前所做的代码改动问题了，按我写的代码改动即可。
先对inference.py更改

对train.py的更改



已更改完成

（6）运行程序
在命令行：train.py即可，视频处理完之后，将process的True改为False，以后直接训练即可，不需要再次对视频处理为图片。
最后运行程序如下图

C3D的复现完成，谢谢大家留言评论

常见错误

1.os.listdir(os.path.join(self.output_dir, ‘train’, video_class, video)))[0])
IndexError: list index out of range。
问题原因：表示没有将视频分割的图片存储到文件夹中。
解决方法：mypath的路径都是英文的，不能出现中文，否则cv,write的时候图片写不进文件夹中去。
2.LongTensor的问题
问题原因：标签的类型应该是LongTensor，而不是Tensor，故需要更改、
解决方法：看以上的train.py的更改图片。
3.GPU内存不够，处理数据太大问题
问题原因：batch_size太大
解决方法：按照以上train.py中第一张图片的batch_size更改。

谢谢大家，有什么问题留言即可。一起加油！！！