PST官方给出的demo如下:
from modelscope.pipelines import pipeline from modelscope.utils.constant import Tasks
p = pipeline('action-recognition', 'damo/cv_pathshift_action-recognition') p('http://www.modelscope.cn/api/v1/models/damo/cv_pathshift_action-recognition/repo?Revision=master\u0026FilePath=description/smoking.mp4')
当我使用 p('/mnt/workspace/demos/tutorial/fight.mp4') 遇到报错:
MaxRetryError: None: Max retries exceeded with url: /mnt/worspace/demos/tutorial/fight.mp4 (Caused by MissingSchema("Invalid URL '/mnt/worspace/demos/tutorial/fight.mp4': No scheme supplied. Perhaps you meant http:///mnt/worspace/demos/tutorial/fight.mp4?"))
PST 模型是一种用于视频行为识别的深度学习模型,它可以对输入视频进行分析,识别出其中的行为动作。
在 PST 官方给出的线上推理 demo 中,使用了 modelscope 库来构建视频行为识别的管道。如果你想要使用上传的视频作为输入,可以将视频文件的路径替换成本地视频文件的路径,例如:
python Copy from modelscope.pipelines import pipeline from modelscope.utils.constant import Tasks
p = pipeline('action-recognition', 'damo/cv_pathshift_action-recognition') p('/path/to/local/video.mp4') 这里,/path/to/local/video.mp4 是你本地视频文件的路径,通过将其作为参数传入管道的 p 函数中,即可进行视频行为识别。需要注意的是,由于 PST 模型需要对视频进行较为复杂的计算,建议使用 GPU 进行加速,以提高推理速度和效率。
另外,如果你想要使用在线视频作为输入,可以将视频的 URL 替换成在线视频的 URL,例如:
python Copy from modelscope.pipelines import pipeline from modelscope.utils.constant import Tasks
p = pipeline('action-recognition', 'damo/cv_pathshift_action-recognition') p('http://example.com/video.mp4') 这里,http://example.com/video.mp4 是在线视频的 URL,可以通过将其作为参数传入管道的 p 函数中,进行视频行为识别。