# ShortVideo Classification

**Repository Path**: ray7jq/short-video-classification

## Basic Information

- **Project Name**: ShortVideo Classification
- **Description**: 短视频分类
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2023-05-28
- **Last Updated**: 2023-11-04

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 项目简介
这是一个基于三维卷积和LSTM的简单视频分类模型。基于三维卷积，但是特征提取网络比较浅。
模型容量较小，适用于短视频，不适用于长视频

## 文件说明
dataset文件夹：数据集文件夹。文件夹格式如下

    - dataset
        --Train
            ---video-0//一个视频的所有帧放在一个文件夹
                ----1.jpg
                ----2.jpg
            ---video-1
                ----1.jpg
                ----2.jpg
        --Test
            ...
        --val
            ...

pth 权重文件夹

dataset.py 数据集处理文件

model.py 模型文件

predict.py 测试效果文件

test.py 临时测试文件

Tools.py 工具文件夹

train.py 训练入口文件

val.py 验证验证集文件夹

2onnx.py 将pth文件转为onnx文件

testonnx.py 测试onnx

## 参数说明
train.py:

    transforms.Resize((112, 112))：务必适应图片尺寸，且能被4整除，宽高必须相同。建议为（112，224，448，896）
    
    num_classes 视频类别数
    
    input_channels 输入图片通道数，默认为3
    
    img_height 输入帧的高
    
    img_width  输入帧的宽
    
    time_steps 每个视频的抽取帧数（将一个视频变为time_steps帧的图片）
    
    hidden_size = 256 LSTM的隐藏层

dataset.py

    self.classes = ['drink', 'listen', 'phone', 'trance', 'write']

    self.class_to_idx = {'drink': 0, 'listen': 1, 'phone': 2, 'trance': 3, 'write': 4}