MS-TCN 视频动作分割模型

February 22, 2022 · View on GitHub

English | 简体中文

MS-TCN 视频动作分割模型

内容

模型简介
数据准备
模型训练
模型测试
模型推理
参考论文

模型简介

MS-TCN模型是视频动作分割模型的经典的模型，发表在2019年的CVPR上。我们对官方实现的pytorch代码进行一些优化，在PaddleVideo获得了更高精度的结果。

MS-TCN Overview

数据准备

MS-TCN的训练数据可以选择50salads、breakfast、gtea三个数据集，数据下载及准备请参考视频动作分割数据集

模型训练

数据准备完毕后，可以通过如下方式启动训练：

# gtea数据集
export CUDA_VISIBLE_DEVICES=3
python3.7 main.py  --validate -c configs/segmentation/ms_tcn/ms_tcn_gtea.yaml --seed 1538574472

从头开始训练，使用上述启动命令行或者脚本程序即可启动训练，不需要用到预训练模型，视频动作分割模型通常为全卷积网络，由于视频的长度不一，故视频动作分割模型的batch_size字段通常设为1，即不需要批量训练，目前也仅支持单样本训练

模型测试

可通过如下方式进行模型测试：

python main.py  --test -c configs/segmentation/ms_tcn/ms_tcn_gtea.yaml --weights=./output/MSTCN/MSTCN_split_1.pdparams

指标的具体实现是参考MS-TCN作者evel.py提供的测试脚本，计算Acc、Edit和F1分数。
数据集的评估方法采用MS-TCN论文中的折交验证方法，而折交的划分方式与MS-TCN论文中相同。

在Breakfast数据集下评估精度如下(采用4折交验证):

Model	Acc	Edit	F1@0.1	F1@0.25	F1@0.5
paper	66.3%	61.7%	48.1%	48.1%	37.9%
paddle	65.2%	61.5%	53.7%	49.2%	38.8%

在50salads数据集下评估精度如下(采用5折交验证):

Model	Acc	Edit	F1@0.1	F1@0.25	F1@0.5
paper	80.7%	67.9%	76.3%	74.0%	64.5%
paddle	81.1%	71.5%	77.9%	75.5%	66.5%

在gtea数据集下评估精度如下(采用4折交验证):

Model	Acc	Edit	F1@0.1	F1@0.25	F1@0.5
paper	79.2%	81.4%	87.5%	85.4%	74.6%
paddle	76.9%	81.8%	86.4%	84.7%	74.8%

给出在gtea数据集下的折交的模型权重

Test_Data	F1@0.5	checkpoints
gtea_split1	70.2509	MSTCN_gtea_split_1.pdparams
gtea_split2	70.7224	MSTCN_gtea_split_2.pdparams
gtea_split3	80.0	MSTCN_gtea_split_3.pdparams
gtea_split4	78.1609	MSTCN_gtea_split_4.pdparams

模型推理

导出inference模型

python3.7 tools/export_model.py -c configs/segmentation/ms_tcn/ms_tcn_gtea.yaml \
                                -p data/MSTCN_gtea_split_1.pdparams \
                                -o inference/MSTCN

上述命令将生成预测所需的模型结构文件MSTCN.pdmodel和模型权重文件MSTCN.pdiparams。

各参数含义可参考模型推理方法

使用预测引擎推理

输入预测模型的txt文件为需要预测的文件列表，如:

S1_Cheese_C1.npy
S1_CofHoney_C1.npy
S1_Coffee_C1.npy
S1_Hotdog_C1.npy
...

python3.7 tools/predict.py --input_file data/gtea/splits/test.split1.bundle \
                           --config configs/segmentation/ms_tcn/ms_tcn_gtea.yaml \
                           --model_file inference/MSTCN/MSTCN.pdmodel \
                           --params_file inference/MSTCN/MSTCN.pdiparams \
                           --use_gpu=True \
                           --use_tensorrt=False

输出示例如下:

result write in : ./inference/infer_results/S1_Cheese_C1.txt
result write in : ./inference/infer_results/S1_CofHoney_C1.txt
result write in : ./inference/infer_results/S1_Coffee_C1.txt
result write in : ./inference/infer_results/S1_Hotdog_C1.txt
result write in : ./inference/infer_results/S1_Pealate_C1.txt
result write in : ./inference/infer_results/S1_Peanut_C1.txt
result write in : ./inference/infer_results/S1_Tea_C1.txt

参考论文

MS-TCN: Multi-Stage Temporal Convolutional Network for Action Segmentation, Y. Abu Farha and J. Gall.