视频识别 SOTA 模型都在这了—PySlowFast! Facebook AI Research 开源视频理解前沿算法代码库

代码模型 Admin ⋅ 于 8个月前 ⋅ 1625 阅读

【导读】FacebookAI 研究院在近期的博文[1]中公布了其在ICCV研讨会[2]最新开源的视频理解代码库: PySlowFast[3]。其代码库可帮助使用者在视频识别(Video Classification),行为检测(Action Detection)等任务中轻易复现现今的基线模型和诸多SOTA的算法,可谓是视频理解领域必不可少的利器之一。

file

file

项目地址:

https://github.com/facebookresearch/SlowFast

视频理解是如今相当流行的研究方向,但不同于图像相关的研究,视频理解中庞大的数据集和巨大的模型,让很多视频研究难以开展。想要复现一个STOA的模型,更是可能耗时数周甚至数月。**Facebook AI 研究院近些年在视频理解领贡献了许多有趣的研究工作,如今其团队更是在ICCV研讨会上开源了其全新的基于PyTorch的视频理解代码库:PySlowFast**

Facebook AI 研究院如今开源了其视频理解代码库,可轻松复现各类基线模型和SOTA算法,同时一并提供了各类的SOTA预训练模型,让使用者轻松的基于前沿算法开展研究和工作,免去了冗长的造轮子和结果复现,同时给予了复现性能上的保证。值得一提的是,PySlowFast一并首次开源了其在CVPR2019行为检测挑战赛上的冠军模型:

file

CVPR2019行为检测挑战赛上的冠军模型

 PySlowFast不但可以提供视频理解的基线(baseline)模型,还能提供当今前沿的视频理解算法复现。其算法不单单囊括视频视频(video classification),同时也包括行为检测(Action Classification)算法。与当今开源社区中各种视频识别库复现出参差不齐的性能相比,使用PySlowFast可轻而易举的复现出当今前沿的模型。

在其教程中,我们可以看出,PySlowFast仔细的处理了众多视频识别和行为检测的细节,包含Decoding,Interpolation,BatchNorm,Network Architecture,Multi-View Ensemble等等诸多问题,保证其模型的准确性和代码的可复现性。(更多细节可参考其ICCV教程ppt)。

file

file

与此同时,PySlowFast遵从了众多深度学习研究中的设计,使代码库更便于使用(easy tohack)。

file

笔者参考了github上各类开源项目对同一模型的复现结果,发现不同项目的复现性能往往有很大的区别,而PySlowFast始终可以复现出STOA的高性能结果:

视频识别(Kinetics)

architecture

depth

frame length x sample rate

top1

C2D

R50

8 x 8

67.2

I3D

R50

8 x 8

73.5

I3D NLN

R50

8 x 8

74.0

SlowOnly

R50

4 x 16

72.7

SlowOnly

R50

8 x 8

74.8

SlowFast

R50

4 x 16

75.6

SlowFast

R50

8 x 8

77.0

PySlowFast不单单可以用于视频分类,同时也可用于视频理解,并提供赢得了2019年CVPR ActivityNet Challenge Winner的视频检测模型。

https://static.googleusercontent.com/media/research.google.com/en//ava/2019/fair\_slowfast.pdf

行为检测(AVA)

architecture

depth

frame length x sample rate

MAP

AVA version

SlowOnly

R50

4 x 16

19.5

2.2

SlowFast

R101

8 x 8

28.2

2.1

SlowFast

R101

8 x 8

29.1

2.2

SlowFast

R101

16 x 8

29.4

2.2

ImageNet预训练(Inflation)

architecture

depth

Top1

Top5

ResNet

R50

23.6

6.8

PySlowFast在视频识别,行为检测等任务上的性能表现(节选自https://github.com/facebookresearch/SlowFast/blob/master/MODEL_ZOO.md)

file

ICCV研讨会开源之后,PySlowFast就一度蝉联GitHub趋势榜的前十,让我们一探究竟,看看可以如何使用PySlowFast:

通过简单的环境配置后便可以使用PySlowFast:

git clone https://github.com/facebookresearch/slowfast

cd slowfast

python setup.py build develop

我们下载了作者提供的预训练模型,并对其进行了测试:

python tools/run_net.py \

  --cfg configs/AVA/c2/SLOWFAST_32x2_R101_50_50_v2.1.yaml \

  TRAIN.ENABLE False \

我们可轻易得到28.2的STOA的AVA结果:

{'PascalBoxes_Precision/mAP@0.5IOU': 0.28174505885232703}

PySlowFast团队更表示,此工作旨在推动视频理解领域的研究工作,同时将实时添加其前沿工作至其代码库。ICCV2019 Tutorial 有一份教程137页ppt,详细介绍了PySlowFast使用方法。

file

链接地址:

https://alexander-kirillov.github.io/tutorials/visual-recognition-iccv19/ 

[1] https://ai.facebook.com/blog/slowfast-video-recognition-through-dual-frame-rate-analysis

[2] https://alexander-kirillov.github.io/tutorials/visual-recognition-iccv19

[3] https://github.com/facebookresearch/SlowFast

来源:专知@微信公众号

-End-

PS:新年假期,极市将为大家分享计算机视觉顶会 ICCV 2019 大会现场报告系列视频,欢迎前往B站【极市平台】观看,春节也学习,极市不断更,快来打卡点赞吧~

https://www.bilibili.com/video/av83388862

*延伸阅读

微信公众号: 极市平台(ID: extrememart )
每天推送最新CV干货

回复数量: 0
暂无回复~
您需要登陆以后才能留下评论!