当前位置： 首页 > news >正文

【人工智能学习之动作识别TSM训练与部署】

news 2025/5/10 13:25:16

【人工智能学习之动作识别TSM训练与部署】

  • 基于MMAction2动作识别项目的开发
    • 一、MMAction2的安装
    • 二、数据集制作
    • 三、模型训练
      • 1. 配置文件准备
      • 2. 关键参数修改
      • 3. 启动训练
      • 4. 启动成功
  • ONNX模型部署方案
    • 一、环境准备
    • 二、执行转换命令

基于MMAction2动作识别项目的开发

一、MMAction2的安装

MMAction2 适用于 Linux、Windows 和 MacOS。

需要 Python 3.7+，CUDA 10.2+ 和 PyTorch 1.8+。

——————————————华丽的分割线—————————————————

第一步：从官方网站下载并安装 Miniconda。
第二步： 创建一个 conda 环境并激活它。

conda create --name openmmlab python=3.8 -y
conda activate openmmlab

第三步： 安装 PyTorch，按照官方说明进行操作。
第四步： 使用 MIM 安装依赖（其中MMDetection和 MMPose是可选的，非必须安装），注意MMCV需要根据前几步的版本进行选择安装版本。版本选择

在这里插入图片描述

pip install -U openmim
mim install mmengine
mim install mmcv
mim install mmdet
mim install mmpose

第五步：从源代码构建 MMAction2。

git clone https://github.com/open-mmlab/mmaction2.git
cd mmaction2
pip install -v -e .
# "-v" 表示输出更多安装相关的信息
# "-e" 表示以可编辑形式安装，这样可以在不重新安装的情况下，让本地修改直接生效。

第六步：验证 MMAction2 是否安装正确。
1.下载配置文件和权重文件

mim download mmaction2 --config tsn_imagenet-pretrained-r50_8xb32-1x1x8-100e_kinetics400-rgb --dest .

2.验证推理演示

# demo.mp4 和 label_map_k400.txt 都来自于 Kinetics-400
python demo/demo.py tsn_imagenet-pretrained-r50_8xb32-1x1x8-100e_kinetics400-rgb.py \tsn_imagenet-pretrained-r50_8xb32-1x1x8-100e_kinetics400-rgb_20220906-2692d16c.pth \demo/demo.mp4 tools/data/kinetics/label_map_k400.txt

如果在终端看到前5个标签及其对应的分数则已经安装成功。

二、数据集制作

  1. RawFrameDataset格式的原始帧注释

    • 数据目录结构：

      dataset_root/
├── rawframes/
│   ├── train/
│   │   ├── video1/
│   │   │   ├── img_00001.jpg
│   │   │   └── ...
│   └── val/
├── annotations/
│   ├── train.txt
│   └── val.txt

    • 标注文件格式示例：

      video1 150 0
video2 180 1

      原始帧数据集的注释是一个包含多行的文本文件，每一行表示一个视频的 frame_directory（相对路径）、视频的 total_frames 和视频的 label，用空格分隔。以上是一个示例。
      这里分享我的俩个脚本，用于抽帧和标注：
      抽帧脚本：

      import os
import cv2def extract_frames(video_path, output_dir):cap = cv2.VideoCapture(video_path)if not cap.isOpened():print(f"无法打开视频文件: {video_path}")returnframe_count = 0while True:ret, frame = cap.read()if not ret:breakframe_name = f"img_{frame_count + 1:05d}.jpg"frame_path = os.path.join(output_dir, frame_name)cv2.imwrite(frame_path, frame)frame_count += 1cap.release()def process_videos(root_dir):for sub_dir in os.listdir(root_dir):sub_dir_path = os.path.join(root_dir, sub_dir)if os.path.isdir(sub_dir_path):for video_file in os.listdir(sub_dir_path):if video_file.endswith('.mp4'):video_path = os.path.join(sub_dir_path, video_file)video_name = os.path.splitext(video_file)[0]output_dir = os.path.join(sub_dir_path, video_name)if not os.path.exists(output_dir):os.makedirs(output_dir)extract_frames(video_path, output_dir)if __name__ == "__main__":root_directory = r'C:\WorkFiles\company_server_SSH\fight\TSM\dataset\dataset'  # 这里可以修改为你的一级目录路径process_videos(root_directory)

      标注脚本：

      import osdef count_images_and_save(root_dir, output_file):results = []for root, dirs, files in os.walk(root_dir):# 若当前目录没有子目录，就认定为末级目录if not dirs:jpg_files = [f for f in files if f.lower().endswith('.jpg')]image_count = len(jpg_files)# 把上级目录名当作标签label = os.path.basename(os.path.dirname(root))# 仅保留从 train 开始的相对路径relative_path = os.path.relpath(root, start=os.path.dirname(root_dir))results.append(f"{relative_path} {image_count} {label}")with open(output_file, 'w') as f:for line in results:f.write(line + '\n')if __name__ == "__main__":root_directory = r'C:\WorkFiles\company_server_SSH\fight\TSM\dataset\dataset\images\val'  # 替换成你的根目录output_txt_file = 'val_videofolder.txt'  # 替换成你想要的输出文件名count_images_and_save(root_directory, output_txt_file)print(f"结果已保存到 {output_txt_file}")

  2. VideoDataset格式的视频注释

    • 数据目录结构：

      dataset_root/
├── videos/
│   ├── video1.mp4
│   └── video2.avi
├── annotations/
│   ├── train.txt
│   └── val.txt

    • 执行格式转换：

      python tools/data/build_rawframes.py [原始视频路径] [输出路径] --ext mp4

    • 标注文件格式示例：

      some/path/000.mp4 1
some/path/001.mp4 1
some/path/002.mp4 2

      视频数据集的注释是一个包含多行的文本文件，每一行表示一个样本视频，包括 filepath（相对路径）和 label，用空格分隔。以上是一个示例。

      通常，我会将相同分类的视频放在同一个文件夹中，并将分类序号作为文件夹名称，通过脚本直接生成标注文件。

      具体操作如下：在这里插入图片描述
      脚本如下：

      import osdef generate_video_labels(root_dir, output_file):with open(output_file, 'w') as f:for root, dirs, files in os.walk(root_dir):for file in files:if file.lower().endswith(('.mp4', '.avi', '.mov', '.mkv')):label = os.path.basename(root)file_path = os.path.join(root, file)relative_path = os.path.relpath(file_path, root_dir)f.write(f"{relative_path} {label}\n")if __name__ == "__main__":root_directory = r'C:\WorkFiles\dataset\fight\dataset'output_txt = 'video_labels.txt'generate_video_labels(root_directory, output_txt)

      在这里插入图片描述

三、模型训练

1. 配置文件准备

本项目选择的是TSM模型，读者可以根据自己的需求选择其他模型。

先复制一份构建模型训练的配置文件，并将其重命名。这里我们复制到configs目录下以免后面找不到。

cp mmaction2/configs/recognition/tsm/tsm_r50_1x1x8_50e_kinetics400_rgb.py configs/my_tsm.py

2. 关键参数修改

打开我们的配置文件，首先需要修改我们的数据集配置：

# 数据集配置
# dataset settingsdata_root = '/home/OpenMMLAB/mmaction2/fight/dataset/'data_root_val = '/home/OpenMMLAB/mmaction2/fight/dataset/'ann_file_train = '/home/OpenMMLAB/mmaction2/fight/dataset/video_labels_train.txt'ann_file_val = '/home/OpenMMLAB/mmaction2/fight/dataset/video_labels_val.txt'

其次，我们还需要对模型进行修改分类输出：

# model settingsmodel = dict(cls_head=dict(type='TSMHead',num_classes=6  # 将 400 修改为 101))

其他的训练策略看个人情况，我没有做训练器等其他方面的修改。

3. 启动训练

接下来通过命令启动训练：

python tools/train.py configs/my_tsm.py \--seed=0 \--deterministic \--validate \--work-dir work_dirs/my_tsm

脚本完整用法：

 python tools/train.py ${CONFIG_FILE} [ARGS]
参数描述
CONFIG_FILE配置文件的路径。
–work-dir WORK_DIR保存日志和权重的目标文件夹。默认为与配置文件相同名称的文件夹，位于 ./work_dirs 下。
–resume [RESUME]恢复训练。如果指定了路径，则从该路径恢复，如果未指定，则尝试从最新的权重自动恢复。
–amp启用自动混合精度训练。
–no-validate不建议使用。在训练期间禁用权重评估。
–auto-scale-lr根据实际批次大小和原始批次大小自动缩放学习率。
–seed随机种子。
–diff-rank-seed是否为不同的 rank 设置不同的种子。
–deterministic是否为 CUDNN 后端设置确定性选项。
–cfg-options CFG_OPTIONS覆盖使用的配置中的某些设置，xxx=yyy 格式的键值对将合并到配置文件中。如果要覆盖的值是一个列表，则应采用 key=“[a,b]” 或 key=a,b 的形式。该参数还允许嵌套的列表/元组值，例如 key=“[(a,b),(c,d)]”。请注意，引号是必需的，且不允许有空格。
–launcher {none,pytorch,slurm,mpi}作业启动器的选项。默认为 none。

注意：默认情况下，MMAction2 更倾向于使用 GPU 而不是 CPU 进行训练。如果您想在 CPU 上训练模型，请清空 CUDA_VISIBLE_DEVICES 或将其设置为 -1 以使 GPU 对程序不可见。

CUDA_VISIBLE_DEVICES=-1 python tools/train.py ${CONFIG_FILE} [ARGS]

当然，也可以使用多卡训练，官方提供了一个 shell 脚本使用torch.distributed.launch 来启动多个 GPU 的训练任务。

bash tools/dist_train.sh ${CONFIG} ${GPUS} [PY_ARGS]
参数描述
CONFIG_FILE配置文件的路径。
GPUS要使用的 GPU 数量。
[PYARGS]tools/train.py 的其他可选参数。

4. 启动成功

开始输出loss则标志模型开始训练了。
在这里插入图片描述
最后训练完成会得到：
在这里插入图片描述
top1达到best并不意味着top5也是best。
我们根据自己的需求选择其中表现最好的即可。

ONNX模型部署方案

一、环境准备

先决条件
为了进行端到端的模型部署，MMDeploy 需要 Python 3.6+ 和 PyTorch 1.8+。

——————————————华丽的分割线—————————————————
第一步：从官方网站下载并安装 Miniconda。
第二步：创建 conda 环境并激活它，也可以直接使用我们之前创建的openmmlab
第三步：按照官方说明安装 PyTorch（如果没装的话）
第四步：安装mmcv和mmengine，如果是之前创建的环境在已有mmengine和mmcv的基础上，我们只需要安装mmdeploy即可。
第五步：下载Github最新版MMDeploy

git clone https://github.com/open-mmlab/mmdeploy.git --recursive
cd mmdeploy

第六步：根据需求安装对应依赖，engine或onnx，这里我安装的onnx部署环境

# 1. install MMDeploy model converter
pip install mmdeploy==1.3.1# 2. install MMDeploy sdk inference
# you can install one to install according whether you need gpu inference
# 2.1 support onnxruntime
pip install mmdeploy-runtime==1.3.1
# 2.2 support onnxruntime-gpu, tensorrt
pip install mmdeploy-runtime-gpu==1.3.1# 3. install inference engine
# 3.1 install TensorRT
# !!! If you want to convert a tensorrt model or inference with tensorrt,
# download TensorRT-8.2.3.0 CUDA 11.x tar package from NVIDIA, and extract it to the current directory
pip install TensorRT-8.2.3.0/python/tensorrt-8.2.3.0-cp38-none-linux_x86_64.whl
pip install pycuda
export TENSORRT_DIR=$(pwd)/TensorRT-8.2.3.0
export LD_LIBRARY_PATH=${TENSORRT_DIR}/lib:$LD_LIBRARY_PATH
# !!! Moreover, download cuDNN 8.2.1 CUDA 11.x tar package from NVIDIA, and extract it to the current directory
export CUDNN_DIR=$(pwd)/cuda
export LD_LIBRARY_PATH=$CUDNN_DIR/lib64:$LD_LIBRARY_PATH# 3.2 install ONNX Runtime
# you can install one to install according whether you need gpu inference
# 3.2.1 onnxruntime
wget https://github.com/microsoft/onnxruntime/releases/download/v1.8.1/onnxruntime-linux-x64-1.8.1.tgz
tar -zxvf onnxruntime-linux-x64-1.8.1.tgz
export ONNXRUNTIME_DIR=$(pwd)/onnxruntime-linux-x64-1.8.1
export LD_LIBRARY_PATH=$ONNXRUNTIME_DIR/lib:$LD_LIBRARY_PATH
# 3.2.2 onnxruntime-gpu
pip install onnxruntime-gpu==1.8.1
wget https://github.com/microsoft/onnxruntime/releases/download/v1.8.1/onnxruntime-linux-x64-gpu-1.8.1.tgz
tar -zxvf onnxruntime-linux-x64-gpu-1.8.1.tgz
export ONNXRUNTIME_DIR=$(pwd)/onnxruntime-linux-x64-gpu-1.8.1
export LD_LIBRARY_PATH=$ONNXRUNTIME_DIR/lib:$LD_LIBRARY_PATH

二、执行转换命令

通过命令我们就得到了着四个文件，分别为onnx和三个json：
在这里插入图片描述

http://www.xdnf.cn/news/367633.html

相关文章：

  • 通信阵列波导性能提升难？OAS 软件助力精准解决
  • 操纵杆支架加工工艺及钻3φ11孔夹具设计
  • TransPose: Keypoint Localization via Transformer（ICCV2021）
  • 【UEFN】用于可靠多模态情感分析的高效不确定性估计融合网络
  • ASCII码的快速记忆方法
  • 优雅草星云智控系统产品发布会前瞻：SNMP协议全设备开启指南-优雅草卓伊凡
  • 【传感器】代码——DHT11温湿度传感器
  • 企业如何选择靠谱的软件测试外包公司?
  • CSS实现图片垂直居中方法
  • rabbitmq学习笔记快速使用
  • ROS导航局部路径规划算法
  • 第十五节：图像形态学操作-形态学梯度
  • AIGC理论基础：大模型通识
  • Oracle OCP认证考试考点详解083系列14
  • Vue项目中实现自定义连线图
  • 硬件实操技巧记录
  • Edu教育邮箱2025年5月亲测有效
  • 解锁蜘蛛池 SEO 优化：网站流量增长的高效引擎
  • 初等数论--欧拉函数及其性质
  • TLS 加密通信介绍
  • 机器学习 期末考试题
  • 鞋样设计软件
  • 【库（Library）、包（Package）和模块（Module）解析】
  • iOS App 下架了无法下载 ？ 推荐个软件——IPADown
  • 【时时三省】(C语言基础)二维数组举例
  • 什么是硅二极管温度传感器
  • OptiStruct实例：声振耦合超单元应用
  • wordpress自学笔记 第二节: 3种独立站商城横幅的制作
  • linux0.11内核源码修仙传第十六章——获取硬盘信息
  • 【技术突破】CAN转Profinet：破解堆垛起重机智能互联的“密钥”