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')[源代码]¶
UCF101 数据集。
UCF101 是一个动作识别视频数据集。该数据集将每个视频视为一组固定大小的视频片段，由
frames_per_clip指定，其中每个片段之间的帧步长由step_between_clips提供。数据集本身可以从数据集网站下载；annotation_path应指向的注解可以从 这里 下载。举个例子，对于 10 帧和 15 帧的 2 个视频，如果
frames_per_clip=5且step_between_clips=5，则数据集大小将是 (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个元素的片段，因此视频中的所有帧可能都不会存在。内部使用 VideoClips 对象来处理片段创建。
- 参数:
root (str 或
pathlib.Path) – UCF101 数据集的根目录。annotation_path (str) – 指向包含拆分文件的文件夹的路径；有关这些文件的下载说明，请参阅上面的文档字符串。
frames_per_clip (int) – 片段中的帧数。
step_between_clips (int, 可选) – 每个片段之间的帧数。
fold (int, 可选) – 要使用的折叠。应介于 1 和 3 之间。
train (bool, 可选) – 如果为
True，则从训练集创建数据集，否则从测试集创建。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, 可选) – 输出视频张量（转换前）的格式。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:
(任意)
