Kinetics

class torchvision.datasets.Kinetics(root: Union[str, Path], frames_per_clip: int, num_classes: str = '400', split: str = 'train', frame_rate: Optional[int] = None, step_between_clips: int = 1, transform: Optional[Callable] = None, extensions: tuple[str, ...] = ('avi', 'mp4'), download: bool = False, num_download_workers: int = 1, num_workers: int = 1, _precomputed_metadata: Optional[dict[str, Any]] = None, _video_width: int = 0, _video_height: int = 0, _video_min_dimension: int = 0, _audio_samples: int = 0, _audio_channels: int = 0, _legacy: bool = False, output_format: str = 'TCHW')

通用 Kinetics 資料集。

Kinetics-400/600/700 是動作識別影片資料集。此資料集將每個影片視為一系列固定大小的影片剪輯，由 frames_per_clip 指定，其中每個剪輯之間的幀步長由 step_between_clips 給出。

舉個例子，對於 10 幀和 15 幀的 2 個影片，如果 frames_per_clip=5 且 step_between_clips=5，則資料集大小將是 (2 + 3) = 5，其中前兩個元素來自影片 1，後三個元素來自影片 2。請注意，我們會丟棄不包含正好 frames_per_clip 個元素的剪輯，因此影片中的並非所有幀都可能存在。

引數:

• root (str 或 pathlib.Path) –

  Kinetics 資料集的根目錄。目錄應按以下方式組織：.. code

  root/
  ├── split
  │   ├──  class1
  │   │   ├──  vid1.mp4
  │   │   ├──  vid2.mp4
  │   │   ├──  vid3.mp4
  │   │   ├──  ...
  │   ├──  class2
  │   │   ├──   vidx.mp4
  │   │    └── ...
  

  注意：split 會根據 split 引數自動附加。

• frames_per_clip (int) – 每個剪輯中的幀數

• num_classes (int) – 選擇 Kinetics-400（預設）、Kinetics-600 和 Kinetics-700 之間

• split (str) – 要考慮的資料集拆分；支援 "train"（預設）、"val"、"test"

• frame_rate (float) – 如果省略，則為每個剪輯插值不同的幀速率。

• step_between_clips (int) – 每個剪輯之間的幀數

• transform (callable, 可選) – 一個函式/轉換，它接收 TxHxWxC 影片並返回轉換後的版本。

• download (bool) – 將官方版資料集下載到根資料夾。

• num_workers (int) – 使用多個 worker 建立 VideoClips

• num_download_workers (int) – 使用多程序以加快下載速度。

• output_format (str, optional) – 輸出影片張量的格式（在應用變換之前）。可以是“THWC”或“TCHW”（預設）。請注意，在大多數其他工具和資料集中，預設值實際上是“THWC”。

返回:

一個 3 元組，包含以下條目：

• video (Tensor[T, C, H, W] 或 Tensor[T, H, W, C]): T 個影片幀，為 torch.uint8 張量

• audio(Tensor[K, L]): 音訊幀，其中 K 是通道數，L 是 torch.float 張量中的點數

• label (int): 影片剪輯的類別

返回型別:

元組

丟擲:

RuntimeError – 如果 download 為 True 且影片存檔已解壓。

特殊成員:

__getitem__(idx: int) → tuple[torch.Tensor, torch.Tensor, int]

引數:

index (int) – 索引

返回:

樣本和元資料，可透過相應的變換進行可選變換。

返回型別:

(Any)