代码复现--Self-Distilled Masked Auto-Encoders are Efficient Video Anomaly Detectors (CVPR 2024)

最新推荐文章于 2026-06-17 19:15:00 发布

原创

最新推荐文章于 2026-06-17 19:15:00 发布 · 1k 阅读

标签

#ubuntu #python #MAE #SD-MAE

数据预处理

如下的结构是根据源代码和作者在github-issue中的回答结合得到的
- 源代码链接

Avenue Dataset/
├── test/
│   ├── frames/         # 测试集原始帧（脚本处理）
│   │   ├── video01/1.png
│   │   ├── ...
│   │   ├── video21/...
│   ├── gradients2/     # 测试集梯度图 (见UB数据集，步骤3)
│   │   ├── video01/1.png
│   │   ├── ...
│   │   ├── video21/...
│   └── ...
├── train/
│   ├── frames/         # 训练集正常帧（脚本处理）
│   │   ├── video01/0.png... # （我这不规范，一会0.png一会1.png，虽然使用上同个test或train里能对应就好，但最好统一0开始）
│   │   ├── ...
│   │   ├── video16/0.png...
│   ├── gradients2/     # 训练集梯度图 (见UB数据集，步骤3)
│   │   ├── video01/0.png...
│   │   ├── ...
│   │   ├── video16/0.png...
│   ├── frames_abnormal/  # 训练集异常帧 (见UB数据集，步骤2)
│   │   ├── video01/0.png...
│   │   ├── ...
│   │   ├── video16/0.png...
│   ├── masks_abnormal/   # 异常帧的掩码 (见UB数据集，步骤2)
│   │   ├── video01/00000.png
│   │   ├── ...
│   │   ├── video16/0.png...
└── ...

Avenue数据集

Avenue数据集（点击跳转）
将Avenue数据集中的视频，根据视频帧率截取帧（Avenue数据集的fps=25，即1秒截取25帧），并按照如上结构放置好。
- 如下是我用来提取视频帧的脚本（脚本放入视频文件夹里，开终端运行下即可）：extract_An_frames.py。
- 提取好的文件夹我放入的路径：
  - testing_videos：/home/user/datasets/Avenue_Dataset/Avenue Dataset/test/frames/
  - training_videos：/home/user/datasets/Avenue_Dataset/Avenue Dataset/train/frames/

import os
import cv2

# 遍历当前目录中的所有视频文件
def extract_frames_from_videos():
    # 获取当前目录
    current_dir = os.getcwd()
    
    # 获取所有视频文件，假设视频文件后缀为 .mp4, .avi, .mkv等
    video_extensions = ['.mp4', '.avi', '.mkv']
    video_files = [f for f in os.listdir(current_dir) if any(f.endswith(ext) for ext in video_extensions)]

    for video_file in video_files

最低0.47元/天解锁文章