mmaction2

mmaction2

开源视频理解工具箱MMAction2基于PyTorch实现

MMAction2为基于PyTorch的开源视频理解工具箱,涵盖动作识别、动作定位、时空动作检测等多种任务。项目特点包括模块化设计、丰富的模型库以及详尽文档,支持灵活的自定义配置。

OpenMMLabMMAction2视频理解行动识别模型库Github开源项目

项目介绍:MMAction2

MMAction2 是一个基于 PyTorch 的开源视频理解工具箱,是 OpenMMLab 项目的一部分,旨在为研究者和开发者提供一站式的视频分析平台。

主要特点

  • 模块化设计:MMAction2 将视频理解框架分解为不同的组件,用户可以通过组合不同的模块来轻松构建个性化的视频理解系统。
  • 支持五大视频理解任务:MMAction2 实现了多种算法,覆盖动作识别、动作定位、时空动作检测、基于骨架的动作识别及视频检索等任务。
  • 良好的测试和文档:提供详细的文档和 API 参考,以及单元测试,帮助用户快速上手。

最新动态

最新的版本 v1.2.0 于 2023 年 10 月 12 日发布,新增以下功能:

  • 支持 VindLU 多模态算法和 ActionClip 训练
  • 支持轻量级模型 MobileOne TSN/TSM
  • 支持视频检索数据集 MSVD
  • 支持 SlowOnly K700 特征用于训练定位模型
  • 支持视频和音频演示功能

安装指南

MMAction2 依赖于 PyTorchMMCVMMEngineMMDetection(可选)和 MMPose(可选)。详细的安装说明可以参考安装指南

简要安装步骤如下:

conda create --name openmmlab python=3.8 -y conda activate openmmlab conda install pytorch torchvision -c pytorch pip install -U openmim mim install mmengine mim install mmcv mim install mmdet # 可选 mim install mmpose # 可选 git clone https://github.com/open-mmlab/mmaction2.git cd mmaction2 pip install -v -e .

模型库

模型库中提供了丰富的模型和结果,涵盖了多种任务的不同算法,比如动作识别中的 C3D、TSN、SlowFast 等。

使用入门

我们提供了详细的用户指南帮助用户快速入门,包括:

  • 从 MMAction2 0.X 迁移
  • 学习配置文件
  • 数据集准备
  • 使用现有模型进行推理
  • 模型训练和测试

贡献与致谢

我们欢迎所有的贡献,以帮助改进 MMAction2。关于贡献的详细指南,请参考贡献指南

MMAction2 是一个开源项目,由来自各大高校和公司的研究人员和工程师们共同开发,感谢所有对方法实现、功能添加和反馈给予帮助的贡献者。希望这个工具箱能够服务于日益增长的研究社区,提供一个灵活的平台来重新实现现有方法和开发新的模型。

编辑推荐精选

TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
蛙蛙写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

下拉加载更多