HMDB51¶
- class torchvision.datasets.HMDB51(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')[源代码]¶
HMDB51 数据集。
HMDB51 是一个动作识别视频数据集。此数据集将每个视频视为一系列固定大小的视频剪辑，由
frames_per_clip指定，其中每个剪辑之间的帧步长由step_between_clips指定。例如，对于两个分别包含 10 帧和 15 帧的视频，如果
frames_per_clip=5且step_between_clips=5，则数据集大小将为 (2 + 3) = 5，其中前两个元素来自视频 1，后三个元素来自视频 2。请注意，我们会丢弃不包含正好frames_per_clip个元素的剪辑，因此视频中的并非所有帧都可能包含在内。在内部，它使用 VideoClips 对象来处理剪辑创建。
- 参数:
root (str 或
pathlib.Path) – HMDB51 数据集的根目录。annotation_path (str) – 包含分割文件的文件夹的路径。
frames_per_clip (int) – 每个剪辑中的帧数。
step_between_clips (int) – 每个剪辑之间的帧数。
fold (int, optional) – 使用哪个折叠。应在 1 到 3 之间。
train (bool, optional) – 如果为
True，则从训练分割创建数据集，否则从test分割创建。transform (callable, 可选) – 一个函数/转换，它接收 TxHxWxC 视频并返回转换后的版本。
output_format (str, optional) – 输出视频张量的格式（在应用转换之前）。可以是“THWC”（默认）或“TCHW”。
- 返回:
一个 3 元组，包含以下条目：
video (Tensor[T, H, W, C] 或 Tensor[T, C, H, W]): T 个视频帧
audio(Tensor[K, L]): 音频帧，其中 K 是通道数，L 是采样点数
label (int): 视频剪辑的类别
- 返回类型:
- 特殊成员:
- __getitem__(idx: int) tuple[torch.Tensor, torch.Tensor, int][源代码]¶
- 参数:
index (int) – 索引
- 返回:
样本和元数据，可通过相应的变换进行可选变换。
- 返回类型:
(任何)
