大家。
现在我有一个对象分类任务,并且我有一个包含大量视频的数据集。在每个视频中,某些帧(不是每个帧,大约16万帧)都有其标签,因为一帧可能有多个对象。
我对创建数据集有些困惑。我的想法是首先将视频转换为帧,然后将每个仅带有标签的帧制作为 tfrecord 或 hdf5 格式。最后,我会将每个帧的路径写入 csv 文件(训练和验证)以用于我的任务。
我的问题是: 1.是否有足够高效的(tfrecord或hdf5)?在创建 tfrecord 或 hdf5 文件之前,是否应该对每一帧进行预处理(例如压缩)以节省存储空间? 2. 有没有办法直接在tensorflow或pytorch中处理视频数据集?
我想找到一种有效且传统的方法来处理视频数据集。真的很期待每个答案。
最佳答案
我不是 TensorFlow 专家,所以我的回答不会涵盖这一点,抱歉。
由于利用了数据中的时间相关性,视频格式通常会以更长的随机访问时间为代价获得压缩。这是有道理的,因为人们通常会顺序访问视频帧,但如果您的访问完全是随机的,我建议您转换为 hdf5。否则,如果您访问视频的子序列,则保留视频格式可能是有意义的。
PyTorch 没有任何“有福”的视频方法,据我所知,但我使用 imageio
阅读视频并寻找特定的帧。一个简短的包装器使其遵循 PyTorch Dataset
API。该代码相当简单,但有一个警告,这是允许将其与多处理一起使用所必需的 DataLoader
.
import imageio, torch
class VideoDataset:
def __init__(self, path):
self.path = path
# explained in __getitem__
self._reader = None
reader = imageio.get_reader(self.path, 'ffmpeg')
self._length = reader.get_length()
def __getitem__(self, ix):
# Below is a workaround to allow using `VideoDataset` with
# `torch.utils.data.DataLoader` in multiprocessing mode.
# `DataLoader` sends copies of the `VideoDataset` object across
# processes, which sometimes leads to bugs, as `imageio.Reader`
# does not support being serialized. Since our `__init__` set
# `self._reader` to None, it is safe to serialize a
# freshly-initialized `VideoDataset` and then, thanks to the if
# below, `self._reader` gets initialized independently in each
# worker thread.
if self._reader is None:
self._reader = imageio.get_reader(self.path, 'ffmpeg')
# this is a numpy ndarray in [h, w, channel] format
frame = self._reader.get_data(ix)
# PyTorch standard layout [channel, h, w]
return torch.from_numpy(frame.transpose(2, 0, 1))
def __len__(self):
return self.length
可以调整此代码以支持多个视频文件,并根据您的需要输出标签。
关于tensorflow - 如何从视频数据集制作数据集(首先是 tensorflow ),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55353187/