PySlowFast

PySlowFast是FAIR开发的开源视频理解代码库，提供了高效训练的最先进视频分类模型。该仓库包含以下方法的实现：

简介

PySlowFast的目标是提供一个高性能、轻量级的PyTorch代码库，为不同任务（分类、检测等）的视频理解研究提供最先进的视频骨干网络。它的设计旨在支持快速实现和评估新颖的视频研究想法。PySlowFast包含以下骨干网络架构的实现：

SlowFast
Slow
C2D
I3D
非局部网络
X3D
MViTv1和MViTv2
Rev-ViT和Rev-MViT

更新

我们现在支持可逆视觉Transformer。可逆ViT和MViT模型已发布。请查看projects/rev。
我们现在支持视频MAE。更多信息请查看projects/mae。
我们现在支持MaskFeat。更多信息请查看projects/maskfeat。
我们现在在PySlowFast中支持MViTv2。更多信息请查看projects/mvitv2。
我们现在支持无监督时空表示学习的大规模研究。更多信息请查看projects/contrastive_ssl。
我们现在支持Kinetics和ImageNet上的多尺度视觉Transformer。更多信息请查看projects/mvit。
我们现在支持PyTorchVideo模型和数据集。更多信息请查看projects/pytorchvideo。
我们现在支持X3D模型。更多信息请查看projects/x3d。
我们现在支持多重网格训练，用于高效训练视频模型。更多信息请查看projects/multigrid。
PySlowFast与我们的ICCV 2019教程同时发布。

许可证

PySlowFast在Apache 2.0许可证下发布。

模型库和基准

我们提供了一大组基准结果和可下载的训练模型，可在PySlowFast模型库中找到。

安装

请在INSTALL.md中查找PyTorch和PySlowFast的安装说明。您可以按照DATASET.md中的说明准备数据集。

快速开始

按照GETTING_STARTED.md中的示例开始使用PySlowFast玩转视频模型。

可视化工具

我们提供了一系列可视化工具，用于训练/评估/测试过程、模型分析，以及使用训练好的模型进行推理。更多信息请查看可视化工具。

贡献者

PySlowFast由Haoqi Fan、Yanghao Li、Bo Xiong、Wan-Yen Lo和Christoph Feichtenhofer编写和维护。

引用PySlowFast

如果您在研究中发现PySlowFast有用，请使用以下BibTeX条目进行引用。

@misc{fan2020pyslowfast,
  author =       {Haoqi Fan and Yanghao Li and Bo Xiong and Wan-Yen Lo and
                  Christoph Feichtenhofer},
  title =        {PySlowFast},
  howpublished = {\url{https://github.com/facebookresearch/slowfast}},
  year =         {2020}
}