【mmaction2 slowfast 行为分析(商用级别)】总目录
在项目中：01【mmaction2 slowfast 行为分析(商用级别)】项目下载，有自定义的ava数据集，那么这篇博客就说一下如何训练这些自定义的ava数据集。
进入到/JN-OpenLib-mmaction2 目录下
一，模型训练
运行训练代码：
python tools/train.py configs/detection/via3/my_slowfast_kinetics_pretrained_r50_8x8x1_20e_via3_rgb.py --validate
训练日志保存在：/JN-OpenLib-mmaction2/work_dirs/my_slowfast_kinetics_pretrained_r50_8x8x1_20e_via3_rgb中：
结果：
如果训练中断，需要继续训练：
python tools/train.py configs/detection/via3/my_slowfast_kinetics_pretrained_r50_8x8x1_20e_via3_rgb --validate --resume-from work_dirs/my_slowfast_kinetics_pretrained_r50_8x8x1_20e_via3_rgb/latest.pth
二，模型评估
python tools/test.py configs/detection/via3/my_slowfast_kinetics_pretrained_r50_8x8x1_20e_via3_rgb.py ./work_dirs/my_slowfast_kinetics_pretrained_r50_8x8x1_20e_via3_rgb/latest.pth --eval mAP
结果
三，demo测试
python mywork/webcam_demo_via3.py --config work_dirs/my_slowfast_kinetics_pretrained_r50_8x8x1_20e_via3_rgb/my_slowfast_kinetics_pretrained_r50_8x8x1_20e_via3_rgb.py --checkpoint work_dirs/my_slowfast_kinetics_pretrained_r50_8x8x1_20e_via3_rgb/latest.pth --det-config ./mywork/faster_rcnn_r50_fpn_2x_coco.py --det-checkpoint /home/lxn/0yangfan/mmaction/JN-OpenLib-mmaction2/Checkpionts/mmdetection/faster_rcnn_r50_fpn_2x_coco_bbox_mAP-0.384_20200504_210434-a5d8aa15.pth --camera-id mywork/seq10.avi --img-scale 0.5 --det-score-thr 0.5 --act-score-thr 0.0 --drawing-stepsize 3
–config 行为分析模型配置文件 --checkpoint 行为分析模型权重文件
–det-config 行人检测模型配置文件
–det-checkpoint 行人检测模型权重文件
–camera-id 摄像头id，也可以接入rtsp流，或者视频文件名 # --img-scale 输出图像缩放尺寸
–det-score-thr 检测行人阈值 --drawing-stepsize 每间隔n帧进行一次行人检测推理
最关键的文件：/JN-OpenLib-mmaction2/mywork/webcam_demo_via3.py
camera = cv2.VideoCapture(‘demo/seq1.avi’)即为要检测的视频
seq1.avi来自：http://cvrc.ece.utexas.edu/SDHA2010/Human_Interaction.html#Data
