UCF101

class torchvision.datasets.UCF101(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')

UCF101 数据集。

UCF101 是一个动作识别视频数据集。此数据集将每个视频视为固定大小的视频片段集合，由 frames_per_clip 指定，其中每个片段之间的帧步长由 step_between_clips 给出。数据集本身可以从数据集网站下载；annotation_path 应指向的注释可以从此处下载。

举例来说，对于 2 个分别有 10 帧和 15 帧的视频，如果 frames_per_clip=5 且 step_between_clips=5，则数据集大小将为 (2 + 3) = 5，其中前两个元素来自视频 1，后三个元素来自视频 2。请注意，我们会删除不完全具有 frames_per_clip 元素的片段，因此并非视频中的所有帧都可能存在。

在内部，它使用 VideoClips 对象来处理片段创建。

参数:

• root (str 或 pathlib.Path) – UCF101 数据集的根目录。

• annotation_path (str) – 包含拆分文件的文件夹路径；有关这些文件的下载说明，请参见上面的文档字符串

• frames_per_clip (int) – 一个片段中的帧数。

• step_between_clips (int, 可选) – 每个片段之间的帧数。

• fold (int, 可选) – 要使用的折叠。应介于 1 和 3 之间。

• train (bool, 可选) – 如果为 True，则从训练拆分创建数据集，否则从 test 拆分创建数据集。

• transform (callable, 可选) – 接收 TxHxWxC 视频并返回转换版本的函数/转换。

• output_format (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

• video (Tensor[T, H, W, C] 或 Tensor[T, C, H, W]): T 视频帧

• audio(Tensor[K, L]): 音频帧，其中 K 是通道数，L 是点数

• label (int): 视频片段的类别

返回类型:

tuple

特殊成员:

__getitem__(idx: int) → Tuple[Tensor, Tensor, int]

参数:

index (int) – 索引

返回:

样本和元数据，可选择通过各自的转换进行转换。

返回类型:

(任何类型)