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。该数据集将每个视频视为固定大小视频片段的集合，大小由 frames_per_clip 指定，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 应该指向的标注文件可以从此处下载。

举例来说，对于分别有 10 帧和 15 帧的两个视频，如果 frames_per_clip=5 且 step_between_clips=5，数据集大小将是 (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，我们丢弃了帧数不恰好等于 frames_per_clip 的片段，因此视频中的所有帧可能不会都出现。

在内部，它使用一个 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) – 包含分割文件的文件夹路径；有关这些文件的下载说明，请参阅上面的 docstring

• frames_per_clip (int) – 一个片段中的帧数。

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

• fold (int, 可选) – 使用哪个折叠（fold）。应在 1 到 3 之间。

• train (bool, 可选) – 如果为 True，则从训练集创建数据集，否则从测试集（test split）创建。

• transform (callable, 可选) – 一个函数/转换，接受 TxHxWxC 格式的视频并返回转换后的版本。

• output_format (str, 可选) – 输出视频张量（转换前）的格式。可以是 “THWC”（默认）或 “TCHW”。

返回值:

一个包含以下条目的三元组

• 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:

元组

特殊成员:

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

参数:

index (int) – 索引

返回值:

样本和元数据，可选择由相应的转换进行转换。

返回类型:

(Any)