PaddleVideo：PP-TSM 视频分类

已于 2025-07-02 16:29:18 修改
阅读量2.6k 收藏 23
点赞数 10
CC 4.0 BY-SA版权
分类专栏： PaddlePaddle 文章标签： paddle 动作识别
于 2024-04-07 17:08:30 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lilai619/article/details/137463581

说明：本专栏文章有两种解锁方案

1：付费订阅，畅享所有文章

2：免费获取，点击下方链接，关注，自动获取免费链接

https://free-img.400040.xyz/4/2025/04/29/6810a50b7ac8b.jpg

本文记录：使用Paddle框架训练TSM（Temporal Shift Module）

前提条件：已经安装Paddle和PadleVideo，具体可参考前一篇文章。

1-数据准备：

以UCF101为例：内含13320 个短视频

了解本专栏 订阅专栏 解锁全文 超级会员免费看
机器学习笔记 - 基于PaddleVideo PP-TSN + 自定义数据集进行手势识别的训练
学以致用 知行合一
10-13 585
PaddleVideo旨在打造一套丰富、领先且实用的Video工具库，旨在帮助开发者更好的进行视频领域的学术研究和产业实践。PaddleVideo包含视频分类和动作定位方向的多个主流领先模型。其中TSN, TSM和SlowFast是End-to-End的视频分类模型，Attention LSTM是比较流行的视频特征序列模型，BMN是视频动作定位模型。
PaddleVideo：深度学习驱动的视频理解神器
gitblog_00020的博客
04-03 739
PaddleVideo：深度学习驱动的视频理解神器 是一个由百度飞桨（PaddlePaddle）团队开发的开源项目，它致力于提供高效、易用且功能强大的视频理解和处理框架。借助于深度学习技术，PaddleVideo可以帮助开发者和研究人员更好地探索视频数据中的模式和信息，从而在诸多领域如智能监控、视频检索、内容推荐等中发挥关键作用。 技术分析 PaddleVideo 基于 PaddlePaddle...
Temporal Shift Module (TSM)视频分类使用记录
qq_32464609的博客
02-21 1797
使用temporal shift module（TSM）进行视频分类（行为识别），使用记录
PaddlePaddle视频分类
jerrism的博客
04-25 1231
PaddlePaddle视频分类模型的使用 环境配置 安装paddlepaddle相关模块： pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple paddlepaddle-gpu pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple wget 克隆代码： git clon...
百度 PaddlePaddle开源视频分类模型Attention Cluster，曾夺挑战赛冠军
PaddlePaddle
03-15 540
Attention Cluster 模型 视频分类问题在视频标签、监控、自动驾驶等领域有着广泛的应用，但它同时也是计算机视觉领域面临的一项重要挑战之一。 目前的视频分类问题大多是基于 CNN 或者 RNN 网络实现的。众所周知，CNN 在图像领域已经发挥了重大作用。它具有很好的特征提取能力，通过卷积层和池化层，可以在图像的不同区域提取特征。RNN 则在获取时间相关的特征方面有很强的能力。 A...
PaddleVideo:全面，最新且可部署的视频深度学习算法，包括视频识别，动作本地化和临时动作检测任务。 这是一个高性能，轻量级的代码库，为视频理解研究和应用提供了实用的模型
03-31
| 英语 PaddleVideo 介绍 PaddleVideo是用于为行业和学术界准备的视频识别，动作本地化和时空动作检测任务的工具集。 该存储库提供了示例和最佳实践指南，用于在视频区域的场景中探索深度学习算法。 我们致力于支持可以大大减少“部署时间”的实验和实用程序。 顺便说一句，这也是视频领域最新PaddlePaddle 2.0的熟练度验证和实现。 特征 先进的模型动物园设计PaddleVideo统一了视频理解任务，包括识别，本地化，时空行为检测等。 借助基于IOC / DI的清晰配置系统，我们设计了一个去耦模块化和可扩展的框架，该框架可以通过组合不同的模块轻松构建自定义网络。 各种数据集和体系架构PaddleVideo支持多个数据集和架构，包括 ，ucf101，YoutTube8M数据集和视频识别模型，诸如TSN，TSM，SlowFast，AttentionLSTM和行动本地化模
使用MindStudio利用TSM模型实现视频分类任务
qq_58848118的博客
12-02 1219
本文主要展示如何在MindStudio平台上使用TSM模型完成视频分类的任务，包括离线视频推理和在线视频推理，其中包括模型转换、Pipeline流程编排、精度检测等工作。
C1-Action-Recognition-TSN-TRN-TSM:EPIC-Kitchens-100动作识别基准
05-20
TSN / TRN / TSM的模型定义由其原始作者提供。 训练脚本 测试脚本 EPIC-Kitchens 100验证集中的预训练模型 对于TBN，请参见 对于SlowFast，请参见 消息 2021 /02/ 20-在期中指出，我们的检查点将数据预处理的平均...
Turkish Script Mafia:TSM-开源
07-06
【标题】"Turkish Script Mafia (TSM): 开源项目详解" 在信息技术领域，开源软件已经成为推动创新和发展的重要力量。"Turkish Script Mafia (TSM)" 是一个专注于土耳其语的开源项目，它提供了用于处理和操作土耳其...
PP-TSM模型是什么级别 层次的模型和cnn相比呢
05-19
PP-TSM模型是一种视频分类模型，是一个多级别（multi-scale）的模型，它通过在不同时间尺度上对视频进行采样和处理，从而提高了视频分类的准确性。 相比较于CNN模型，PP-TSM模型具有以下优点： 1. 多级别特征提取...
视频动作分类网络《TSM: Temporal Shift Module for Efficient Video Understanding》学习笔记
热门推荐
weixin_42907473的博客
11-12 1万+
全文按照原文的结构来描述（你可以当做是翻译，但不是谷歌翻译，是加入理解的翻译），尽可能保持作者原文想表达的意思，里面会穿插自己的想法(会注明)。 Abstract 问题： 视频流的爆炸增长带来了对高准确度和低成本计算的视频理解挑战。常规的2D CNN 在计算上是相对廉价的，但其无法捕获时间维度的关系。而基于3D CNN 的方法可以达到良好的效果性能，但计算量大，因此部署成本很大。 解决方案： 结...
PaddlePaddle百度论文复现营——视频分类入门学习笔记
Kevin Pang的博客
08-07 717
PaddlePaddle百度论文复现营——视频分类入门学习笔记 1 任务与背景 视频分类任务、问题与挑战、经典数据集、深度学习相关背景知识 1.1 视频分类的意义 1.2 视频分类定义 1.3 视频分类的挑战 1.4 视频分类发展历程 1.5 视频分类数据集 1.5.1 HMDB-51 主要用于行为识别 1.5.2 UCF-101 主要用于行为识别，运动分析，是最具有影响力的视频分类数据集之一 1.5.3 Sports-1M 主要用于行为识别，运动分析，斯坦福大学提供的视频分类数
PaddleVideo使用自己的数据集训练pp-tsm
weixin_45259896的博客
10-30 5660
PaddleVideo使用自己的数据集训练pp-tsm前言视频录制 前言 计算机视觉发展到现在，视频理解任务已经得到了很大的重视，在处理时空图片数据时，TSM操作能够在相同二维网络算力的情况下进行时空建模，使用TSM构建的视频分类网络模型是一个非常经典的模型。但是本文的主要内容不是TSM的理解记录，而是通过百度开源的paddlevideo视频处理第三方库构建自己的视频分类数据集，并训练出自己的TSM网络模型。 视频录制 ...
PaddleVideo：基于PaddlePaddle的优秀视频理解工具包
最新发布
gitblog_07458的博客
09-13 839
PaddleVideo：基于PaddlePaddle的优秀视频理解工具包 项目基础介绍和主要编程语言 PaddleVideo 是一个基于 PaddlePaddle 的开源视频理解工具包，旨在为视频领域的学术研究和产业实践提供丰富的工具和模型。该项目主要使用 Python 编程语言，同时也涉及 Shell、C++ 和 CMake 等语言。 项目核心功能 PaddleVideo 提供了多种视频理解任务...
【论文笔记】视频分类与图网络的结合 Videos as Space-Time Region Graphs
elaine_bao的专栏
12-26 3542
Paper: https://arxiv.org/abs/1806.01810 (ECCV 2018) Author: Xiaolong Wang, Abhinav Gupta (CMU) 0. 引言 GNN最近在深度学习领域受到了广泛关注，其具有解决深度学习无法解决的因果推理和可解释性的问题，可以说是一个比较有前景的方向。今天来分享一篇ECCV2018的paper，结合图网络来做视频分类。视频和...
调试Paddle-video-recognise-PPTSM教程---环境配置
qq_17364791的博客
08-18 523
调试Paddle-video-recognise-PPTSM教程---环境配置
视频分类论文阅读笔记之《ECO: Efficient Convolutional Network for Online Video Understanding》PaddlePaddle论文复现营
FYWPRH的专栏
08-07 487
"ECO: Efficient Convolutional Network for Online Video Understanding, European Conference on Computer Vision (ECCV), 2018.” paper:https://arxiv.org/pdf/1804.09066.pdf code:https://github.com/mzolfaghari/ECO-efficient-video-understanding PyTorchimple...
PaddleVideo：环境配置
微风❤水墨
04-02 1240
飞桨PaddlePaddle快速安装使用方法,安装方式支持：pip,conda,docker,源码编译,选择操作系统快速安装实现您的AI想法.开始使用_飞桨-源于产业实践的开源深度学习平台。Python依赖库在。
paddlepaddle/video中使用YouTube8m数据集的模型评估问题
xianmenji6124的博客
08-17 603
1.根据官网提示，下载数据和预训练模型。 2.在评估模型时，在./scripts/test/test_nextvald.sh 文件中修改“–weights”参数为保存模型参数的目录，并运行如下命令： bash ./scripts/test/test_nextvlad.sh 3.然而，出现问题 4.进入报错位置feature_reader.py中查看 5.把 record里面的b全部删掉，变成 ...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

微风❤水墨

你的鼓励是我最大的动力！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值