【slowfast 训练自己的数据集】自定义动作，制作自己的数据集，使用预训练模型进行训练，并检测其结果

本文主要是介绍【slowfast 训练自己的数据集】自定义动作，制作自己的数据集，使用预训练模型进行训练，并检测其结果，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！

前言
一，视频的处理
- 1.1 视频准备
- 1.2 切割视频为图片
- 1.3 使用faster rcnn自动框人
- 1.4 via标注图片
二，数据集文件
- 2.1 数据集文件总览
- 2.2 annotations
- - 2.2.1 ava_train_v2.2.csv
  - 2.2.2 ava_val_v2.2.csv
  - 2.2.3 ava_val_excluded_timestamps_v2.2.csv
  - 2.2.4 ava_action_list_v2.2_for_activitynet_2019.pbtxt
  - 2.2.5 ava_detection_train_boxes_and_labels_include_negative_v2.2.csv
  - 2.2.6 ava_detection_val_boxes_and_labels.csv
- 2.3 frame_lists
- - 2.3.1 train.csv
  - 2.3.2 val.csv
- 2.4 frames
三，slowfast 训练自己的数据集
- 3.1 预训练模型
- 3.2 配置文件
- 3.3 训练过程
四检测模型效果
- 4.2 创建json文件
- 4.2 创建yaml文件
- 4.3 修改ava_helper.py
- 4.4 运行

前言

终于到了这一步了，看了很久很久的slowfast，这次终于用slowfast训练了自己的数据集（只是用了个非常小的，非常小的数据集跑了一下），并且格式修改过程是手动修改的，训练过程所需要的yaml文件也是手动写出来的（后面会改成程序自动修改）

在看这篇训练自己的数据集博客之前，我觉得有必要了解一下之前我写一些博客：
的slowfast的训练，slowfast的减少数据集

1, 【SlowFast复现】SlowFast Networks for Video Recognition复现代码使用自己的视频进行demo检测: https://blog.csdn.net/sinat_28371057/article/details/119429163

2:【Faster RCNN & detectron2】detectron2实现Faster RCNN目标检测:【Faster RCNN & detectron2】detectron2实现Faster RCNN目标检测_青年夏日科技的博客-CSDN博客

3，【faster rcnn 实现via的自动框人】使用detectron2中faster rcnn 算法生成人的坐标，将坐标导入via(VGG Image Annotator)中，实现自动框选出人的区域:【faster rcnn 实现via的自动框人】使用detectron2中faster rcnn 算法生成人的坐标，将坐标导入via(VGG Image Annotator)中，实现自动框选出人的区域_青年夏日科技的博客-CSDN博客

4，【ffmpeg裁剪视频faster rcnn自动检测 via】全自动实现ffmpeg将视频切割为图片帧，再使用faster rcnn将图片中的人检测出来，最后将检测结果转化为via可识别的csv格式:【ffmpeg裁剪视频faster rcnn自动检测 via】全自动实现ffmpeg将视频切割为图片帧，再使用faster rcnn将图片中的人检测出来，最后将检测结果转化为via可识别的csv格式_青年夏日科技的博客-CSDN博客

5，【slowfast复现训练】训练过程制作ava数据集复现 SlowFast Networks for Video Recognition 训练 train:【slowfast复现训练】训练过程制作ava数据集复现 SlowFast Networks for Video Recognition 训练 train_青年夏日科技的博客-CSDN博客_ava数据集制作

6，【slowfast 减少ava数据集】将ava数据集缩小到2个，对数据集做训练，然后进行检测，为训练自己的数据集做准备:【slowfast 减少ava数据集】将ava数据集缩小到2个，对数据集做训练，然后进行检测，为训练自己的数据集做准备_青年夏日科技的博客-CSDN博客_ava数据集制作