3DCNN with keras

This is code for 3DCNN model base UCF101 dataset. it fix other project min error: https://github.com/kcct-fujimotolab/3DCNN

UCF101动作识别的代码复现

这是我看这篇论文的重点，这里我在colab环境下实现UCF101动作识别。参照代码：

https://github.com/karolzak/conv3d-video-action-recognition

经过验证该github代码存在一些逻辑问题，现已经对其进行修改，修改完成之后的复现步骤如下：

1. 下载UCF101

首先要去下载ucf101数据集，有vpn的话可以从官网下载，这里我放一个百度云链接：：https://pan.baidu.com/s/1KOJy-tfAaHRF4PLXSDynGA 提取码：kgg4。一共6.5G,下载完成后解压。

2. 克隆我修改后的github代码：https://github.com/liupeng678/3DCNN-with-keras

3. 按照下图的方式将解压的数据放入dataset:

4. 安装环境:tensorflow,keras, python-ffmpeg, tqdm,或者用我的yml文件直接生成环境(我这里面还有很多其他项目需要的包，而且只装了kerascpu版本，所以不到万不得已不要装我的这个环境)，总之就是缺什么装什么，报错就上google查。

conda env create -f freeze.yml

5. 运行程序

python 3dcnn.py --batch 16 --epoch 80 --videos ./dataset/ --nclass 101 --output 3dcnnresult/ --color True --skip False --depth 8

其中./dataset 是数据路径， depth 是每个视频提取的帧数，这里设置成8， 越多的话精度越高，但是有的视频没有那么多帧，就会报错cv读取了空照片。 nclass 92 是只对./dataset下101文件夹中前101个分类，前期可以设置成3之类快速验证程序是否可运行。

6. 调试过程

在运行过程中可能会出现以下几个问题 ： 有的视频质量低，导致无法提取足够多的帧： 需要将depth调小,或者将报错视频文件删除，如果觉得麻烦直接整个文件夹删除可以，但是分类--nclass 101中 101 也要对应少1，因为该分类不能多于文件夹的数量。只能少于。

keras 报错没有acc或者accurary: 需要更换keras对应版本下的正确命名，参照https://blog.csdn.net/liupeng19970119/article/details/105963118

环境问题： 环境问题需要自己去尝试解决，因为其他问题我没有遇到。

7. 训练结果展示

总结

如果您能跑通代码，或者对您有帮助，麻烦帮我给我个star,蟹蟹！！！！