作者 | 京枚

编辑 | Camel

在近些年的视频理解研究中，Facebook AI Research贡献了许多精彩的工作。其视频团队不但在CVPR，ICCV等会议上刊载了数篇视频研究工作，同时也在各大数据集榜单中拔得头筹，并获得了2019年CVPR行为检测挑战赛的冠军。如今其团队在ICCV研讨会上开源了其视频识别检测代码库：PySlowFast，并同时发布了预训练的模型库。团队称旨在推动视频理解领域的研究工作，同时将实时添加其前沿工作至其代码库。

视频与动作理解俨然已成为当今最火热的研究方向之一，然而在开源社区中找到一个简洁、高效、易于修改(easy to hack)的视频理解代码库(video understanding codebase)仍不是一件简单的事情。

更重要的是，复现当今前沿的(state-of-the-art)的深度学习模型(video understand backbone)一直是令研究者头疼的一件事，视频理解模型往往动辄几十GFlops，需要训练数天，复现出一个模型需要反复的实验调参，让每个细节都正确。这往往会耗费大量的时间和资源，让很多研究者望而却步。

2019年，Facebook AI Research（脸书人工智能研究院，FAIR）在 CVPR 上发布了多项研究工作，并赢得了CVPR 2019 行为检测挑战赛的冠军。

在 ICCV 2019 上，FAIR 推出了视频理解代码库：PySlowFast。

PySlowfast是一个基于PyTorch的代码库， 让研究者可以轻而易举的复现从基础至前沿的视频识别(Video Classification)和行为检测(Action Detection)算法。

不但如此，PySlowFast代码库同时开源了大量预训练模型(pretrain models)，让研究者省去了反复训练模型的烦恼，可以直接使用FAIR预训练的前沿(cutting edge performance)模型。

自开源后，PySlowFast就一度蝉联GitHub趋势榜前十。

根据其研讨会提供的教程和其开源代码库的信息，PySlowFast不但可以提供视频理解的基线（baseline）模型，还能提供当今前沿的视频理解算法复现。

其算法不单单囊括视频分类（video classification），同时也包括行为检测（Action Classification）算法。与当今开源社区中各种视频识别库复现出参差不齐的性能相比，使用PySlowFast可轻而易举的复现出当今前沿的模型。

视频识别（Kinetics）

行为检测（AVA）

(表1：PySlowFast在视频分类数据库Kinetics 400 上的性能) （节选自 ）

PySlowFast不单单可以用于视频分类，同时也可用于视频理解，并提供赢得了2019年CVPR ActivityNet Challenge Winner的视频检测模型。

此外，PySlowFast 还预留了接口，可通过简单的编辑支持多模态视频理解，视频自监督学习等等任务。据FAIR研究团队表示，PySlowFast将被积极维护，实时更新其团队及业界的前沿算法，同时一并开源其预训练模型，使代码库成为视频理解领域的基线标杆。

笔者参考教程简单试用了PySlowFast代码库。在完成安装后，通过下载MODEL_ZOO提供的预训练模型和相应的配置文件，运行如下代码，就可以测试（Test）模型在不同视频数据库上的性能：

python tools/run_net.py \
--cfg configs/Kinetics/C2D_8x8_R50.yaml \
DATA.PATH_TO_DATA_DIR path_to_your_dataset \
NUM_GPUS 2 \

笔者可以轻易通过代码库复现出前沿的高性能模型，同时笔者也尝试通过简单的修改来实现自己的模型，并用多台GPU进行训练得到前沿的性能。

笔者未尝试更加复杂的任务，感兴趣的读者可以直接前往其Github页面一探究竟：