Api update of video model (#4591)

* API update of video model
* update api and refine bmn dygraph implementation
* refine Readme and config of bmn dygraph
* fix reademe and reader
* fix details

PaddleCV/video/README.md

@@ -25,6 +25,13 @@
 
 - 提供了适合视频分类和动作定位任务的通用骨架代码，用户可一键式高效配置模型完成训练和评测。
 
+### 推荐用法
+
+- 视频分类共开源7个模型，可分为：端到端模型、序列模型。端到端模型：TSN推荐在时序不敏感视频场景（比如互联网视频场景）使用；TSM、StNet推荐在时序敏感视频场景（比如Kinetics数据集）使用；Non-local模型计算量较大，在科研场景推荐。序列模型：Attention LSTM，Attention Cluster和NeXtVLAD 整体性能接近，但是网络结构不同，推荐集成多个模型使用。
+
+- 视频动作定位共开源3个模型，视频动作定位推荐使用CTCN模型，时序提名生成推荐使用BMN模型。
+
+
 ## 安装
 
 在当前模型库运行样例代码需要PaddlePaddle Fluid v.1.6.0或以上的版本。如果你的运行环境中的PaddlePaddle低于此版本，请根据[安装文档](http://www.paddlepaddle.org/documentation/docs/zh/1.6/beginners_guide/install/index_cn.html)中的说明来更新PaddlePaddle。

PaddleCV/video/metrics/youtube8m/eval_util.py

@@ -37,7 +37,7 @@ def calculate_hit_at_one(predictions, actuals):
     float: The average hit at one across the entire batch.
   """
     top_prediction = numpy.argmax(predictions, 1)
-    hits = actuals[numpy.arange(actuals.shape[0]), top_prediction]
+    hits = actuals[:, top_prediction]
     return numpy.average(hits)
 
 

PaddleCV/video/models/attention_cluster/shifting_attention.py

@@ -32,8 +32,7 @@ class ShiftingAttentionModel(object):
         x_shape.stop_gradient = True
         flat_x = fluid.layers.reshape(x, shape=(-1, self.seg_num))
         flat_softmax = fluid.layers.softmax(flat_x)
-        return fluid.layers.reshape(
-            flat_softmax, shape=x.shape, actual_shape=x_shape)
+        return fluid.layers.reshape(flat_softmax, shape=x_shape)
 
     def glorot(self, n):
         return np.sqrt(1.0 / np.sqrt(n))

PaddleCV/video/reader/bmn_reader.py

@@ -21,6 +21,7 @@ import json
 import logging
 import functools
 import paddle
+import paddle.fluid as fluid
 
 logger = logging.getLogger(__name__)
 
@@ -228,8 +229,8 @@ class BMNReader(DataReader):
         mapper = functools.partial(process_data, mode=self.mode)
 
         def batch_reader():
-            xreader = paddle.reader.xmap_readers(mapper, reader,
-                                                 self.num_threads, 1024)
+            xreader = fluid.io.xmap_readers(mapper, reader, self.num_threads,
+                                            1024)
             batch = []
             for item in xreader():
                 batch.append(item)

PaddleCV/video/reader/bsn_reader.py

@@ -22,6 +22,7 @@ import json
 import logging
 import functools
 import paddle
+import paddle.fluid as fluid
 logger = logging.getLogger(__name__)
 
 from .reader_utils import DataReader
@@ -214,8 +215,8 @@ class BSNVideoReader(DataReader):
         mapper = functools.partial(process_data, mode=self.mode)
 
         def batch_reader():
-            xreader = paddle.reader.xmap_readers(mapper, reader,
-                                                 self.num_threads, 1024)
+            xreader = fluid.io.xmap_readers(mapper, reader, self.num_threads,
+                                            1024)
             batch = []
             for item in xreader():
                 batch.append(item)
@@ -444,8 +445,8 @@ class BSNProposalReader(DataReader):
         mapper = functools.partial(process_data, mode=self.mode)
 
         def batch_reader():
-            xreader = paddle.reader.xmap_readers(mapper, reader,
-                                                 self.num_threads, 1024)
+            xreader = fluid.io.xmap_readers(mapper, reader, self.num_threads,
+                                            1024)
             batch = []
             for item in xreader():
                 batch.append(item)

PaddleCV/video/reader/ets_reader.py

@@ -18,6 +18,7 @@ import sys
 import numpy as np
 import functools
 import paddle
+import paddle.fluid as fluid
 
 import logging
 logger = logging.getLogger(__name__)
@@ -154,7 +155,7 @@ class ETSReader(DataReader):
 
             mapper = functools.partial(process_data)
 
-            return paddle.reader.xmap_readers(mapper, reader, self.num_threads,
+            return fluid.io.xmap_readers(mapper, reader, self.num_threads,
                                          self.buffer_size)
 
         def batch_reader():

PaddleCV/video/reader/kinetics_reader.py

@@ -26,7 +26,7 @@ except ImportError:
     from io import BytesIO
 import numpy as np
 import paddle
-
+import paddle.fluid as fluid
 try:
     from nvidia.dali.pipeline import Pipeline
     import nvidia.dali.ops as ops
@@ -34,6 +34,7 @@ try:
     import tempfile
     from nvidia.dali.plugin.paddle import DALIGenericIterator
 except:
+    Pipeline = object
     print("DALI is not installed, you can improve performance if use DALI")
 
 from PIL import Image, ImageEnhance
@@ -272,8 +273,7 @@ class KineticsReader(DataReader):
             img_mean=img_mean,
             img_std=img_std)
 
-        return paddle.reader.xmap_readers(mapper, reader_, num_threads,
-                                          buf_size)
+        return fluid.io.xmap_readers(mapper, reader, num_threads, buf_size)
 
     def build_dali_reader(self):
         """

dygraph/bmn/README.md

@@ -17,7 +17,7 @@
 BMN模型是百度自研，2019年ActivityNet夺冠方案，为视频动作定位问题中proposal的生成提供高效的解决方案，在PaddlePaddle上首次开源。此模型引入边界匹配(Boundary-Matching, BM)机制来评估proposal的置信度，按照proposal开始边界的位置及其长度将所有可能存在的proposal组合成一个二维的BM置信度图，图中每个点的数值代表其所对应的proposal的置信度分数。网络由三个模块组成，基础模块作为主干网络处理输入的特征序列，TEM模块预测每一个时序位置属于动作开始、动作结束的概率，PEM模块生成BM置信度图。
 
 <p align="center">
-<img src="../../PaddleCV/PaddleVideo/images/BMN.png" height=300 width=500 hspace='10'/> <br />
+<img src="./BMN.png" height=300 width=500 hspace='10'/> <br />
 BMN Overview
 </p>
 
@@ -44,7 +44,7 @@ BMN模型的静态图实现请参考[PaddleVideo](../../PaddleCV/PaddleVideo)
 
 ## 数据准备
 
-BMN的训练数据采用ActivityNet1.3提供的数据集，我们提供了处理好的视频特征，请下载[bmn\_feat](https://paddlemodels.bj.bcebos.com/video_detection/bmn_feat.tar.gz)数据后解压，同时相应的修改bmn.yaml中的特征路径feat\_path。
+BMN的训练数据采用ActivityNet1.3提供的数据集，我们提供了处理好的视频特征和对应的标签文件，请下载特征数据[bmn\_feat](https://paddlemodels.bj.bcebos.com/video_detection/bmn_feat.tar.gz)和标签数据[label](https://paddlemodels.bj.bcebos.com/video_detection/activitynet_1.3_annotations.json)，并相应地修改配置文件bmn.yaml中的特征文件路径feat\_path和标签文件路径anno\_file
 
 
 ## 模型训练
@@ -55,7 +55,7 @@ BMN的训练数据采用ActivityNet1.3提供的数据集，我们提供了处理
 
     bash run.sh
 
-若使用单卡训练，启动方式如下:
+若使用单卡训练，请将配置文件bmn.yaml中`TRAIN`和`VALID`对应的batch\_size调整为16，启动方式如下:
 
     export CUDA_VISIBLE_DEVICES=0
     python train.py

dygraph/bmn/bmn.yaml

@@ -6,13 +6,13 @@ MODEL:
   prop_boundary_ratio: 0.5
   num_sample: 32
   num_sample_perbin: 3
-  anno_file: "../../PaddleCV/video/data/dataset/bmn/activitynet_1.3_annotations.json"
-  feat_path: './fix_feat_100'
+  anno_file: "./activitynet_1.3_annotations.json"
+  feat_path: "./fix_feat_100"
 
 TRAIN:
   subset: "train"
   epoch: 9
-  batch_size: 16
+  batch_size: 4
   num_threads: 8
   use_gpu: True
   num_gpus: 4
@@ -23,7 +23,7 @@ TRAIN:
 
 VALID:
   subset: "validation"
-  batch_size: 16
+  batch_size: 4
   num_threads: 8
   use_gpu: True
   num_gpus: 4