# AttentionLSTM视频分类模型 --- ## 内容 - [模型简介](#简介) - [数据准备](#数据准备) - [模型训练](#模型训练) - [模型评估](#模型评估) - [模型推断](#模型推断) - [参考论文](#参考论文) ## 模型简介 循环神经网络（RNN）常用于序列数据的处理，可建模视频连续多帧的时序信息，在视频分类领域为基础常用方法。该模型采用了双向长短时记忆网络（LSTM），将视频的所有帧特征依次编码。与传统方法直接采用LSTM最后一个时刻的输出不同，该模型增加了一个Attention层，每个时刻的隐状态输出都有一个自适应权重，然后线性加权得到最终特征向量。参考论文中实现的是两层LSTM结构，而本代码实现的是带Attention的双向LSTM，Attention层可参考论文[AttentionCluster](https://arxiv.org/abs/1711.09550)。 详细内容请参考[Beyond Short Snippets: Deep Networks for Video Classification](https://arxiv.org/abs/1503.08909)。 ## 数据准备 AttentionLSTM模型使用2nd-Youtube-8M数据集，关于数据部分请参考[数据说明](https://github.com/PaddlePaddle/models/blob/develop/PaddleCV/PaddleVideo/data/dataset/README.md) ## 模型训练 ### 随机初始化开始训练 数据准备完毕后，可以通过如下两种方式启动训练： export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 python train.py --model_name=AttentionLSTM \ --config=./configs/attention_lstm.yaml \ --log_interval=10 \ --valid_interval=1 \ --use_gpu=True \ --save_dir=./data/checkpoints \ --fix_random_seed=False bash run.sh train AttentionLSTM ./configs/attention_lstm.yaml - AttentionLSTM模型使用8卡Nvidia Tesla P40来训练的，总的batch size数是1024。 ### 使用预训练模型做finetune 请先将提供的[model](https://paddlemodels.bj.bcebos.com/video_classification/AttentionLSTM_final.pdparams)下载到本地，并在上述脚本文件中添加`--resume`为所保存的预训练模型存放路径。 ## 模型评估 可通过如下两种方式进行模型评估: python eval.py --model_name=AttentionLSTM \ --config=./configs/attention_lstm.yaml \ --log_interval=1 \ --weights=$PATH_TO_WEIGHTS \ --use_gpu=True bash run.sh eval AttentionLSTM ./configs/attention_lstm.yaml - 使用`run.sh`进行评估时，需要修改脚本中的`weights`参数指定需要评估的权重。 - 若未指定`weights`参数，脚本会下载已发布模型[model](https://paddlemodels.bj.bcebos.com/video_classification/AttentionLSTM_final.pdparams)进行评估 - 评估结果以log的形式直接打印输出GAP、Hit@1等精度指标 - 使用CPU进行评估时，请将`use_gpu`设置为False 模型参数列表如下： | 参数 | 取值 | | :---------: | :----: | | embedding\_size | 512 | | lstm\_size | 1024 | | drop\_rate | 0.5 | 计算指标列表如下： | 精度指标 | 模型精度 | | :---------: | :----: | | Hit@1 | 0.8885 | | PERR | 0.8012 | | GAP | 0.8594 | ## 模型推断 可通过如下两种方式启动模型推断： python predict.py --model_name=AttentionLSTM \ --config=configs/attention_lstm.yaml \ --log_interval=1 \ --weights=$PATH_TO_WEIGHTS \ --filelist=$FILELIST \ --use_gpu=True bash run.sh predict AttentionLSTM ./configs/attention_lstm.yaml - 使用python命令行启动程序时，`--filelist`参数指定待推断的文件列表，如果不设置，默认为data/dataset/youtube8m/infer.list。`--weights`参数为训练好的权重参数，如果不设置，程序会自动下载已训练好的权重。这两个参数如果不设置，请不要写在命令行，将会自动使用默 认值。 - 使用`run.sh`进行评估时，请修改脚本中的`weights`参数指定需要用到的权重。 - 若未指定`--weights`参数，脚本会下载已发布模型[model](https://paddlemodels.bj.bcebos.com/video_classification/AttentionLSTM_final.pdparams)进行推断 - 模型推断结果以log的形式直接打印输出，可以看到每个测试样本的分类预测概率。 - 使用CPU进行预测时，请将`use_gpu`设置为False ## 参考论文 - [Beyond Short Snippets: Deep Networks for Video Classification](https://arxiv.org/abs/1503.08909) Joe Yue-Hei Ng, Matthew Hausknecht, Sudheendra Vijayanarasimhan, Oriol Vinyals, Rajat Monga, George Toderici - [Attention Clusters: Purely Attention Based Local Feature Integration for Video Classification](https://arxiv.org/abs/1711.09550), Xiang Long, Chuang Gan, Gerard de Melo, Jiajun Wu, Xiao Liu, Shilei Wen