基于3D-CNN的行为识别模型训练与评估

释放双眼,带上耳机,听听看~!
学习如何使用3D-CNN模型进行行为识别的训练和评估,包括数据准备、数据预处理、模型构建以及使用PyTorch进行训练和评估。

行为识别与分析是计算机视觉领域的一个重要研究方向。通过分析视频中的行为和动作,我们可以为许多实际应用提供智能解决方案,如智能监控、安防、医疗康复、体育分析等

实际项目:基于3D卷积神经网络(3D-CNN)的行为识别

  1. 数据准备:我们将使用 UCF101 数据集进行训练和评估。这个数据集包含了101个行为类别,共有约13000段视频。首先,我们需要下载并解压数据集:

    import urllib.request
    import zipfile
    
    url = "https://www.crcv.ucf.edu/data/UCF101/UCF101.rar"
    file_name = "UCF101.rar"
    
    urllib.request.urlretrieve(url, file_name)
    
    with zipfile.ZipFile(file_name, 'r') as zip_ref:
        zip_ref.extractall("UCF101")
    复制代码
    

    基于3D-CNN的行为识别模型训练与评估

    2.数据预处理:将视频帧提取为图像序列,并进行缩放、裁剪和归一化等操作。这里,我们将使用 OpenCV 库来处理视频文件:

    import cv2
    import os
    
    def video_to_frames(video_file, target_folder, frame_size=(224, 224)):
        video = cv2.VideoCapture(video_file)
        count = 0
    
        while video.isOpened():
            ret, frame = video.read()
            if not ret:
                break
    
            resized_frame = cv2.resize(frame, frame_size)
            frame_path = os.path.join(target_folder, f"frame_{count:04d}.png")
            cv2.imwrite(frame_path, resized_frame)
            count += 1
    
        video.release()
        return count
    复制代码
    

    基于3D-CNN的行为识别模型训练与评估

    3.模型构建:我们将使用一个预先训练的 3D-CNN 模型(如 I3D 或 C3D)作为基础模型,并根据 UCF101 数据集进行微调。这里,我们将使用 PyTorch 框架构建模型:

    import torch
    import torch.nn as nn
    from torchvision.models import video
    
    class ActionRecognitionModel(nn.Module):
        def __init__(self, num_classes):
            super().__init__()
            self.base_model = video.r3d_18(pretrained=True)
            self.base_model.fc = nn.Linear(self.base_model.fc.in_features, num_classes)
    
        def forward(self, x):
            return self.base_model(x)
    复制代码
    

    基于3D-CNN的行为识别模型训练与评估

    4.训练与评估:我们将使用 PyTorch 训练和评估我们的行为识别模型。首先,我们需要定义损失函数、优化器和学习率调整策略。然后,我们将使用 UCF101 数据集进行训练,并在每个训练周期结束时评估模型的性能。

    import torch.optim as optim
    from torch.utils.data import DataLoader
    from torchvision.transforms import Compose, ToTensor, Normalize
    from custom_dataset import UCF101Dataset
    
    # Hyperparameters
    num_classes = 101
    num_epochs = 20
    batch_size = 16
    learning_rate = 0.001
    momentum = 0.9
    weight_decay = 0.0005
    
    # Dataset and DataLoader
    train_transforms = Compose([ToTensor(), Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])])
    val_transforms = Compose([ToTensor(), Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])])
    
    train_dataset = UCF101Dataset("UCF101/train", train_transforms)
    val_dataset = UCF101Dataset("UCF101/val", val_transforms)
    
    train_loader = DataLoader(train_dataset, batch_size=batch_size, shuffle=True, num_workers=4)
    val_loader = DataLoader(val_dataset, batch_size=batch_size, shuffle=False, num_workers=4)
    
    # Model, Loss, Optimizer, and Scheduler
    device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
    model = ActionRecognitionModel(num_classes).to(device)
    criterion = nn.CrossEntropyLoss()
    optimizer = optim.SGD(model.parameters(), lr=learning_rate, momentum=momentum, weight_decay=weight_decay)
    scheduler = optim.lr_scheduler.StepLR(optimizer, step_size=5, gamma=0.1)
    
    # Training and Evaluation Loop
    for epoch in range(num_epochs):
        # Training
        model.train()
        running_loss = 0.0
        for i, (inputs, labels) in enumerate(train_loader):
            inputs, labels = inputs.to(device), labels.to(device)
            optimizer.zero_grad()
    
            outputs = model(inputs)
            loss = criterion(outputs, labels)
            loss.backward()
            optimizer.step()
    
            running_loss += loss.item()
    
        # Evaluation
        model.eval()
        correct = 0
        total = 0
        with torch.no_grad():
            for inputs, labels in val_loader:
                inputs, labels = inputs.to(device), labels.to(device)
                outputs = model(inputs)
                _, predicted = torch.max(outputs.data, 1)
                total += labels.size(0)
                correct += (predicted == labels).sum().item()
    
        print(f"Epoch {epoch + 1}, Loss: {running_loss / len(train_loader)}, Accuracy: {correct / total}")
    
        # Update learning rate
        scheduler.step()
    复制代码
    

    基于3D-CNN的行为识别模型训练与评估

    这段代码首先设置了训练的超参数,接着创建了训练和验证数据集以及相应的 DataLoader。接下来,我们定义了模型、损失函数、优化器和学习率调整策略。在训练和评估循环中,我们在每个训练周期结束时计算损失和准确率,并根据需要调整学习率。请注意,这里的 UCF101Dataset 类需要自行实现,您可以参考以下示例代码创建自定义的数据集类:

    import os
    import glob
    from torch.utils.data import Dataset
    from PIL import Image
    
    class UCF101Dataset(Dataset):
        def __init__(self, data_folder, transform=None):
            self.data_folder = data_folder
            self.transform = transform
            self.samples = self._load_samples()
    
        def __len__(self):
            return len(self.samples)
    
        def __getitem__(self, index):
            video_folder, label = self.samples[index]
            frames = self._load_frames(video_folder)
            if self.transform is not None:
                frames = [self.transform(frame) for frame in frames]
            video_tensor = torch.stack(frames)
            return video_tensor, label
    
        def _load_samples(self):
            samples = []
            for class_folder in glob.glob(os.path.join(self.data_folder, "*")):
                label = os.path.basename(class_folder)
                for video_folder in glob.glob(os.path.join(class_folder, "*")):
                    samples.append((video_folder, label))
            return samples
    
        def _load_frames(self, video_folder):
            frame_paths = sorted(glob.glob(os.path.join(video_folder, "*.png")))
            frames = [Image.open(frame_path).convert("RGB") for frame_path in frame_paths]
            return frames
    复制代码
    

    基于3D-CNN的行为识别模型训练与评估

    在完成训练和评估后,您可以使用训练好的模型来识别新视频中的行为。为了提高模型的性能,您可以尝试使用更复杂的 3D-CNN 架构,或者结合其他技术,如循环神经网络(RNN)或长短时记忆网络(LSTM)。

    总之,行为识别与分析是计算机视觉领域的一项重要技术。在本文中,我们介绍了一个基于 3D-CNN 的行为识别项目,并详细解释了项目步骤及相关代码。这种技术可以广泛应用于各种实际场景,如智能监控、安防、医疗康复等。

本网站的内容主要来自互联网上的各种资源,仅供参考和信息分享之用,不代表本网站拥有相关版权或知识产权。如您认为内容侵犯您的权益,请联系我们,我们将尽快采取行动,包括删除或更正。
AI教程

3D大卷核CNN网络LargeKernel3D在语义分割和目标检测任务中取得显着改进

2023-12-2 11:06:14

AI教程

RGB与YUV色彩空间模型在图像处理中的应用

2023-12-2 11:12:14

个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索