【源码】基于MMAction2框架的动作识别系统

项目简介

本项目是基于MMAction2框架构建的视频动作识别系统，借助深度学习技术对视频中的动作进行识别。系统读取训练好的模型，对输入视频开展动作分类，输出识别出的动作类别及其对应的概率。

项目的主要特性和功能

1. 模型配置灵活：支持I3D、SlowFast、TimeSformer等多种基于3D卷积网络的动作识别模型，可通过配置文件选择使用。
2. 数据处理强大：内置多种数据预处理和后处理模块，支持视频帧的采样、解码、裁剪、翻转等操作，以及结果的平均和概率计算。
3. 训练选项丰富：提供优化器类型、学习率策略、批次大小、验证间隔等丰富的训练选项，可按需自行配置。
4. 支持多GPU训练：能充分利用计算资源，提高训练速度。
5. 可视化测试：支持在训练过程中进行可视化，展示训练指标变化和测试时的动作分类结果。

安装使用步骤

环境配置

创建并激活新的Python环境： bash conda create -n mmaction python=3.8 conda activate mmaction 安装PyTorch和MMAction2： bash pip install torch==1.13 torchvision==0.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple mim install mmcv -i https://pypi.tuna.tsinghua.edu.cn/simple

数据集准备

（需根据项目文档准备数据集）

模型训练

进入MMAction2目录，修改配置文件，如slowfast_r50_8xb8-4x16x1-256e_kinetics400-rgb.py。 使用以下命令启动训练： bash bash tools/dist_train.sh configs/recognition/slowfast/slowfast_r50_8xb8-4x16x1-256e_kinetics400-rgb.py 4 --work-dir /path/to/workdir

模型测试

使用训练好的模型进行测试： bash bash tools/dist_test.sh configs/recognition/slowfast/slowfast_r50_8xb8-4x16x1-256e_kinetics400-rgb.py /path/to/checkpoint.pth 8 --work-dir /path/to/test_res

结果可视化

调整测试脚本的参数，将测试结果可视化，观察模型性能表现。

注意事项

使用本项目时，需确保正确安装所有依赖库，并按照项目文档要求准备数据集。

下载地址

点击下载 【提取码: 4003】