快捷键

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')[source]

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剪辑的集合,由 frames_per_clip 指定,其中每个剪辑之间的帧步长由 step_between_clips 给出。数据集本身可以从数据集网站下载;annotation_path 应该指向的注释可以从 这里 下载。

例如,对于两个分别包含 10 帧和 15 帧的视频,如果 frames_per_clip=5step_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,我们会删除不包含正好 frames_per_clip 个元素的剪辑,因此视频中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) – UCF101 数据集的根目录。

  • annotation_path (str) – 包含拆分文件的文件夹的路径;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) – 每个片段中的帧数。

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

  • fold (int, optional) – 要使用的折数。 应该在 1 到 3 之间。

  • train (bool, optional) – 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。

  • transform (callable, optional) – 一个函数/变换,它接收 TxHxWxC 视频并返回一个转换后的版本。

  • output_format (str, optional) – 输出视频张量(在变换之前)的格式。 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 个视频帧

  • 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][source]
参数:

index (int) – 索引

返回:

样本和元数据,可选地由相应的变换转换。

返回类型:

(任何)

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取面向初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源