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 資料集。

UCF101 是一個動作辨識影片資料集。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影格步長由 step_between_clips 給定。資料集本身可以從資料集網站下載； annotation_path 應該指向的註釋可以從 這裡 下載。

舉例來說，對於分別有 10 個和 15 個影格的 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，其中前兩個元素來自影片 1，後三個元素來自影片 2。請注意，我們會捨棄不完全具有 frames_per_clip 個元素的片段，因此影片中並非所有影格都可能存在。

在內部，它使用 VideoClips 物件來處理片段建立。

參數:

• root (str 或 pathlib.Path) – UCF101 資料集的根目錄。

• annotation_path (str) – 包含分割檔案的資料夾路徑；有關這些檔案的下載說明，請參閱上面的文件字串

• frames_per_clip (int) – 一個片段中的影格數量。

• step_between_clips (int, optional) – 每個片段之間的影格數量。

• fold (int, optional) – 要使用的 fold (摺疊)。應該介於 1 和 3 之間。

• train (bool, optional) – 如果 True，則從訓練分割建立資料集，否則從 test 分割建立資料集。

• transform (callable, optional) – 接受 TxHxWxC 影片並返回轉換版本的函數/轉換。

• output_format (str, optional) – 輸出影片張量的格式 (在轉換之前)。可以是 “THWC”（預設）或 “TCHW”。

回傳:

一個包含以下條目的 3 元組

• video (Tensor[T, H, W, C] 或 Tensor[T, C, H, W]): T 個影片影格

• audio(Tensor[K, L]): 音訊影格，其中 K 是頻道數量，L 是點的數量

• label (int): 影片片段的類別

回傳類型:

tuple

特殊成員:

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

參數:

index (int) – 索引

回傳:

範例和中繼資料，可以選擇性地由各自的轉換進行轉換。

回傳類型:

(任何)