HMDB51¶
- class torchvision.datasets.HMDB51(root: Union[str, Path], annotation_path: str, frames_per_clip: int, step_between_clips: int = 1, frame_rate: Optional[int] = None, fold: int = 1, train: bool = True, transform: Optional[Callable] = None, _precomputed_metadata: Optional[Dict[str, Any]] = None, num_workers: int = 1, _video_width: int = 0, _video_height: int = 0, _video_min_dimension: int = 0, _audio_samples: int = 0, output_format: str = 'THWC')[源代码]¶
HMDB51 数据集。
HMDB51 是一个动作识别视频数据集。该数据集将每个视频视为固定大小的视频剪辑集合,由
frames_per_clip
指定,其中每个剪辑之间的帧步长由step_between_clips
给出。例如,对于两个分别有 10 帧和 15 帧的视频,如果
frames_per_clip=5
且step_between_clips=5
,则数据集大小为 (2 + 3) = 5,其中前两个元素来自视频 1,接下来的三个元素来自视频 2。请注意,我们会删除没有正好frames_per_clip
个元素的剪辑,因此视频中的并非所有帧都可能存在。在内部,它使用 VideoClips 对象来处理剪辑创建。
- 参数:
root (str 或
pathlib.Path
) – HMDB51 数据集的根目录。annotation_path (str) – 包含拆分文件的文件夹的路径。
frames_per_clip (int) – 剪辑中的帧数。
片段间步长 (int) – 每个片段之间的帧数。
折叠 (int, 可选) – 要使用的折叠。应介于 1 到 3 之间。
训练 (bool, 可选) – 如果
True
,则从训练分割创建数据集,否则从test
分割创建数据集。转换 (可调用, 可选) – 一个函数/转换,它接收 TxHxWxC 视频并返回一个转换后的版本。
输出格式 (str, 可选) – 输出视频张量的格式(在转换之前)。可以是“THWC”(默认)或“TCHW”。
- 返回:
一个包含以下条目的 3 元组
视频 (Tensor[T, H, W, C] 或 Tensor[T, C, H, W]): T 个视频帧
音频(Tensor[K, L]): 音频帧,其中 K 是通道数,L 是点数
标签 (int): 视频片段的类别
- 返回类型:
- 特殊成员: