恶心的3DMAD数据集

2023-10-31 10:31
文章标签 数据 恶心 3dmad

本文主要是介绍恶心的3DMAD数据集,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本来是申请到了数据集,也花钱下载下来了,身边没有linux、Mac os系统,不想转换想找人花钱买得了,私信多家大神均无建树,凑巧别的实验室的苹果一体机遗留在宿舍,实在喜出望外、感激涕零。抱着大mac放回宿舍,开启恶心的3DMAD之旅。

先说一下:共三个session文件夹,session01,session02,session03,只有session03是面具的假人。每个session里面有85个hdf5文件,17个人的5种变化,转换后变成两个avi文件,每个文件就是170个视频共170x3=510个视频,每秒30帧。
在这里插入图片描述

不会使用mac系统啊,各种不适应,不说了
1.第一步还是下载好miniconda吧,安装说明说4.4以上,我下的是这个版本。放到用户文件下就行。在这里插入图片描述
2.安装miniconda
我是参考了这两篇文章
这篇教怎么添加环境变量
vim 是创建并打开一个文件 按i进入编辑模式,编辑好后按esc退出到命令模式,在最下方输入:wq 保存并退出才实现文件的更改
之后关闭终端再重启发现conda -V 就能执行了;
这一篇比较详细
并按他的方法更改了下载路径,编辑模式也是刚刚那样按i进入编辑模式
3.配置bob环境
这一步就是要参考官网给的安装方法了
按官网给出的第二步骤就是检查是否是可以使用conda命令,和版本要求,这一步可以不执行,前面按要求下载了miniconda4.4以上和可以使用conda命令即可
在这里插入图片描述
接下来第三步是创建bob环境并下载相应的包
这里不建议完全按这个命令执行,因为我这样试了之后发现要安装很多包,中间还容易因为网络不好导致都没装上,连bob环境也没创建
在这里建议分步骤进行。
在这里插入图片描述
(1)可以先创建一个python3的bob环境

conda create -n bob python=3.6 -y

(2)然后我按这个第四步添加了下载路径
在这里插入图片描述
(3)到了下载相应的包了
这边参考这篇文章
不看官网说明了,直接按这篇文章下载相应的安装包分别是

conda install bob.extension bob.blitz bob.core bob.io.base bob.io.image

安装上面这条命令时没有出现较难下载的文件,一切正常
但安装下面这条指令时,安装bob.io.video文件时里面需要ffmpeg文件,下载了好几次往往都在99%出错,实在没办法只能离线安装
离线安装参考这篇文章

conda install bob.ip.draw bob.io.video

这是所有bob包涉及的下载文件地址,里面找到ffmpeg文件
下载需要的是.conda的22m文件。(如果网络正常下载顺利这条步骤可以忽略)
在这里插入图片描述
将下载好的.conda ffmpeg文件放置在miniconda3/pkgs 目录下
在这里插入图片描述
文件夹是后面重新下载生成的,之后需要把这个文件的下载路径添加到pkgs目录下的urls.txt文本下,下载路径在网络出错的时候会提示
在这里插入图片描述
在这里插入图片描述
我这边的是这种情况
在这里插入图片描述
当这一切弄好后,再回到这一步,可以分开安装更安全
再次执行下面这个video命令,发现仍然没有跳过这个安装包,依然很慢的下载,但是最后居然成功了,而且这个video包就只需要这个ffmpeg文件就好了,完成之后,执行下面的draw包就可以完成代码需要的安装包了。

conda install bob.io.video
conda install bob.ip.draw

4.修改raw_to_AVI.py文件的代码
完整代码如下

#!/usr/bin/env python
import os, sys
import numpy
#import bob
import bob.io.base
import bob.ip.draw
import bob.io.videoimport argparseparser = argparse.ArgumentParser(description='Convert HDF5 files to videos for visualization purposes.')
parser.add_argument('path', metavar='path', type=str, help='path to the HDF5 file to be converted')
parser.add_argument('-e', '--eyes', action='store_true', help='mark eye positions in the RGB video')
args = parser.parse_args(sys.argv[1:])try:f = bob.io.base.HDF5File(args.path)Depth = f.read('Depth_Data')Color = f.read('Color_Data')if args.eyes:pos = f.read('Eye_Pos')for i in range(0,Color.shape[0]):bob.ip.draw.cross(Color[i,:,:,:], int(pos[i,0]), int(pos[i,1]), 10, (255,0,0))bob.ip.draw.cross(Color[i,:,:,:], int(pos[i,2]), int(pos[i,3]), 10, (255,0,0))head, tail = os.path.split(args.path)depth_file = head+'/'+tail.split('.')[0]+'_D.avi'color_file = head+'/'+tail.split('.')[0]+'_C.avi'depth_video = bob.io.video.writer(depth_file, Color.shape[-2], Color.shape[-1], 30)color_video = bob.io.video.writer(color_file, Color.shape[-2], Color.shape[-1], 30)D = numpy.right_shift(Depth,3).astype(numpy.uint8)depth_video.append(numpy.concatenate((D,D,D),1))depth_video.close()if Color.shape[1]<3:color_video.append(numpy.concatenate((Color,Color,Color),1))else:color_video.append(Color)color_video.close()print ("Depth video is saved in %s." %depth_file)print ("Color video is saved in %s." %color_file)del f
except IOError:print ("The given file cannot be read.")

5.在bob环境下执行命令即可
命令:python raw_to_AVI.py的路径 需要转换视频的原路径
最后与原视频.hdf5文件保存在一起,得到两个avi文件,一次成功,但我这边85x3共255个文件,要执行255次
看到可以全部转换的教程,看着不清楚不想去弄了,希望以后有人具体点弄了告诉我。

(bob) lch-iMac:3dmad1 lch$ python /Users/lch/lc/3dmad1/documentation/raw_to_AVI.py /Users/lch/lc/3dmad1/session01/01_01_01.hdf5

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

拜拜了您嘞3dmad

这篇关于恶心的3DMAD数据集的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/314723

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者