Kinetics

class torchvision.datasets.Kinetics(root: Union[str, Path], frames_per_clip: int, num_classes: str = '400', split: str = 'train', frame_rate: Optional[int] = None, step_between_clips: int = 1, transform: Optional[Callable] = None, extensions: Tuple[str, ...] = ('avi', 'mp4'), download: bool = False, num_download_workers: int = 1, num_workers: int = 1, _precomputed_metadata: Optional[Dict[str, Any]] = None, _video_width: int = 0, _video_height: int = 0, _video_min_dimension: int = 0, _audio_samples: int = 0, _audio_channels: int = 0, _legacy: bool = False, output_format: str = 'TCHW')

通用 Kinetics 資料集。

Kinetics-400/600/700 是動作識別影片資料集。此資料集將每個影片視為固定大小的影片片段集合，由 frames_per_clip 指定，其中每個片段之間的幀步長由 step_between_clips 給定。

舉例來說，對於分別具有 10 幀和 15 幀的 2 個影片，如果 frames_per_clip=5 且 step_between_clips=5，則資料集大小將為 (2 + 3) = 5，其中前兩個元素將來自影片 1，接下來的三個元素來自影片 2。請注意，我們會捨棄沒有完全 frames_per_clip 個元素的片段，因此影片中的並非所有幀都可能存在。

參數:

• root (str 或 pathlib.Path) –

  Kinetics 資料集的根目錄。目錄結構應如下所示：.. code

  root/
  ├── split
  │   ├──  class1
  │   │   ├──  vid1.mp4
  │   │   ├──  vid2.mp4
  │   │   ├──  vid3.mp4
  │   │   ├──  ...
  │   ├──  class2
  │   │   ├──   vidx.mp4
  │   │    └── ...
  

  注意：split 會使用 split 引數自動附加。

• frames_per_clip (int) – 一個片段中的幀數

• num_classes (int) – 在 Kinetics-400（預設）、Kinetics-600 和 Kinetics-700 之間選擇

• split (str) – 要考慮的資料集分割；支援 "train"（預設）"val" "test"

• frame_rate (float) – 如果省略，則為每個片段內插不同的幀率。

• step_between_clips (int) – 每個片段之間的幀數

• transform (callable, optional) – 一個函式/轉換，它接受 TxHxWxC 影片並傳回轉換後的版本。

• download (bool) – 將官方版本的資料集下載到根資料夾。

• num_workers (int) – 使用多個 worker 進行 VideoClips 建立

• num_download_workers (int) – 使用多進程以加速下載。

• output_format (str, optional) – 輸出影片張量的格式（轉換之前）。可以是 “THWC” 或 “TCHW”（預設）。 請注意，在大多數其他工具和數據集中，預設實際上是 “THWC”。

回傳值:

一個包含以下條目的 3-tuple

• video (Tensor[T, C, H, W] 或 Tensor[T, H, W, C]): T 個影片幀，以 torch.uint8 張量表示

• audio(Tensor[K, L]): 音訊幀，其中 K 是聲道數量，L 是點的數量，以 torch.float 張量表示

• label (int): 影片片段的類別

回傳類型:

tuple

觸發:

RuntimeError – 如果 download is True 且影片檔案已解壓縮。

特殊成員:

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

參數:

index (int) – 索引

回傳值:

樣本和元數據，可選擇性地由相應的轉換進行轉換。

回傳類型:

(Any)