Berisi weight dari model pytorch yang telah dilatih menggunkan main.py dan ditest pada test.py jika accuracy memenuhi standard tertentu. Weight ini dipindahkan ke folder VIS/weight untuk melakukan prediksi sekaligus visualisasi
Berisi dataset yang telah diekstrak fiturnya dengan mengambil fitur pada rgb+flows. File txt berguna meng-list nama file video
Secara umum berguna untuk menggunakan model (yang telah dilatih sebelumnya) untuk memprediksi dan memvisualisasikan video yang ingin diprediksi.
-
File NamaVideo.mp4, seperti Abuse001_x264.mp4 merupakan raw video yang ingin diprediksi
-
Folder NamaVideo merupakan frame hasil ekstrak menggunakan ffmpeg dari NamaVideo.mp4
-
Folder models berisi arsitekstur model untuk fitur ekstraksi
-
Folder PNG berisi hasil plot prediksi dari model
-
Folder RE berisi setiap frame hasil prediksi
-
Folder weight berisi weight model prediksi(ckpt.pth) dan model fitur ekstraksi
-
File NamaVideo_result.mp4 berisi video hasil prediksi gabungan frame hasil prediksi
-
File learner -> Arsitekstur model prediksi
-
File video2frame -> mengubah video menjadi frame
-
File vis -> melakukan prediksi dan visualisasi
- File dataset -> Kode untuk objek dataset loader
- File FFC -> Learner versi ke 2 (klasifikasi)
- File learner dan learner2 -> Arsitektur Learner (terkait dengan model prediksi)
- File loss -> Loss function untuk melatih model
- File main -> Untuk melatih model dan memprediksi
- File test -> Untuk melakukan prediksi pada test dataset