【发布时间】：2018-10-02 05:58:54
【问题描述】：
我在 Keras 中有这个 Conv3D 模型：
model = Sequential(
Conv3D(32, (3,3,3), activation='relu', input_shape=self.input_shape),
MaxPooling3D(pool_size=(1, 2, 2), strides=(1, 2, 2)),
Conv3D(64, (3,3,3), activation='relu'),
MaxPooling3D(pool_size=(1, 2, 2), strides=(1, 2, 2)),
Conv3D(128, (3,3,3), activation='relu'),
Conv3D(128, (3,3,3), activation='relu'),
MaxPooling3D(pool_size=(1, 2, 2), strides=(1, 2, 2)),
Conv3D(256, (2,2,2), activation='relu'),
Conv3D(256, (2,2,2), activation='relu'),
MaxPooling3D(pool_size=(1, 2, 2), strides=(1, 2, 2)),
Flatten(),
Dense(1024)),
Dropout(0.5),
Dense(1024),
Dropout(0.5)),
Dense(self.nb_classes, activation='softmax')
)
此模型基于本文https://arxiv.org/pdf/1412.0767.pdf
使用此 Conv3D 预处理要预测的视频数据的最佳方法是什么？
我编写了这个函数来从 UCF-101 的每个视频中提取帧：
def frame_writer(pathIn, pathOut, class_name):
"""
This function will read videos and write frames in a new dataset
args:
pathIn -> base dataset of videos
pathOut -> destination folder for the frames ('data/path')
"""
#creating output path if it not exists
try:
if not os.path.exists(pathOut + '/' + class_name):
os.makedirs(pathOut + '/' + class_name)
else:
pass
except:
print('Invalid path!')
#getting the list containing all files from the directory
pathIn_files = glob.glob(pathIn + '\\' + class_name + '\\' + '*.avi')
video_limit = len(pathIn_files)
#iterating over all files
for i, j in zip(pathIn_files, range(len(pathIn_files))):
#getting the names from file paths
base_name = os.path.basename(pathIn_files[j])
file_name = base_name[0:-4] #taking only the file name (without extension)
#getting the frames
vidcap = cv2.VideoCapture(i)
success,image = vidcap.read()
count = 0
success = True
while success:
success,image = vidcap.read()
print ('Read a new frame: ', success)
cv2.imwrite(pathOut + '\\' + class_name + "\\%s_frame%d.jpg" % (file_name, count), image)
count += 1
print('Done!')
现在我有这样的帧数据集：
文件夹：数据
-子文件夹：火车
--子文件夹：class1
---frame1_video1_class1.jpg
---frame2_video1_class1.jpg
---frame3_video1_class1.jpg
...
---frameN_videoN_class1.jpg
--子文件夹：class2
---frame1_video1_class2.jpg
---frame2_video1_class2.jpg
---frame3_video1_class2.jpg
...
---frameN_videoN_class2.jpg
-子文件夹：测试
--子文件夹：class1
---frame1_video1_class1.jpg
---frame2_video1_class1.jpg
---frame3_video1_class1.jpg
...
---frameN_videoN_class1.jpg
--子文件夹：class2
---frame1_video1_class2.jpg
---frame2_video1_class2.jpg
---frame3_video1_class2.jpg
...
---frameN_videoN_class2.jpg
所以我将所有视频的所有帧都放在与其类对应的文件夹中。
我必须使用 keras 函数中的 ImageDataGenerator 将它传递给我的 Conv3D 模型吗？
那么，在这种情况下，每次传递每个类的每个视频的每一帧？
或者我必须以其他方式这样做？
我只需要使用这个模型来预测视频！
感谢支持！
【问题讨论】：
标签： python video machine-learning keras artificial-intelligence