Datasets:

LEI-QI-233
/

MicroG-HAR-train-ready

video_id stringlengths 7 23	frame_stamp int64 8 90	xmin float64 0 0.88	ymin float64 0 0.73	xmax float64 0.14 1	ymax float64 0.35 1	action_id int64 1 80	person_id int64 1 7
SE4HsMi3KoU_116	40	0.268	0.054	0.642	0.977	12	1
SE4HsMi3KoU_116	40	0.268	0.054	0.642	0.977	17	1
SE4HsMi3KoU_116	40	0.268	0.054	0.642	0.977	79	1
SE4HsMi3KoU_116	40	0.268	0.054	0.642	0.977	36	1
SE4HsMi3KoU_032	52	0.286	0.102	0.724	0.988	12	1
SE4HsMi3KoU_032	52	0.286	0.102	0.724	0.988	17	1
SE4HsMi3KoU_032	52	0.286	0.102	0.724	0.988	79	1
SE4HsMi3KoU_453	52	0.228	0.002	0.808	0.944	12	1
SE4HsMi3KoU_453	52	0.228	0.002	0.808	0.944	17	1
SE4HsMi3KoU_325	52	0.337	0.06	0.669	0.983	12	1
SE4HsMi3KoU_325	52	0.337	0.06	0.669	0.983	17	1
SE4HsMi3KoU_325	52	0.337	0.06	0.669	0.983	29	1
SE4HsMi3KoU_035	52	0.294	0.104	0.715	0.988	12	1
SE4HsMi3KoU_035	52	0.294	0.104	0.715	0.988	17	1
SE4HsMi3KoU_035	52	0.294	0.104	0.715	0.988	79	1
SE4HsMi3KoU_454	52	0.198	0.004	0.774	0.723	12	1
SE4HsMi3KoU_454	52	0.198	0.004	0.774	0.723	17	1
SE4HsMi3KoU_454	52	0.198	0.004	0.774	0.723	79	1
SE4HsMi3KoU_049	52	0.281	0.127	0.684	0.988	12	1
SE4HsMi3KoU_049	52	0.281	0.127	0.684	0.988	17	1
SE4HsMi3KoU_049	52	0.281	0.127	0.684	0.988	79	1
SE4HsMi3KoU_098	52	0.307	0.15	0.683	0.992	17	1
SE4HsMi3KoU_098	52	0.307	0.15	0.683	0.992	12	1
SE4HsMi3KoU_111	52	0.227	0.008	0.802	0.988	12	1
SE4HsMi3KoU_111	52	0.227	0.008	0.802	0.988	17	1
SE4HsMi3KoU_111	52	0.227	0.008	0.802	0.988	79	1
SE4HsMi3KoU_163	52	0.251	0.092	0.678	0.99	12	1
SE4HsMi3KoU_163	52	0.251	0.092	0.678	0.99	17	1
SE4HsMi3KoU_163	52	0.251	0.092	0.678	0.99	79	1
SE4HsMi3KoU_047	52	0.239	0.121	0.602	0.99	12	1
SE4HsMi3KoU_047	52	0.239	0.121	0.602	0.99	17	1
SE4HsMi3KoU_047	52	0.239	0.121	0.602	0.99	79	1
SE4HsMi3KoU_426	52	0.311	0.162	0.732	0.99	12	1
SE4HsMi3KoU_426	52	0.311	0.162	0.732	0.99	17	1
SE4HsMi3KoU_426	52	0.311	0.162	0.732	0.99	79	1
SE4HsMi3KoU_381	52	0.149	0.277	0.536	0.96	12	1
SE4HsMi3KoU_381	52	0.149	0.277	0.536	0.96	17	1
SE4HsMi3KoU_381	52	0.149	0.277	0.536	0.96	47	1
SE4HsMi3KoU_350	52	0.323	0.115	0.719	0.99	12	1
SE4HsMi3KoU_350	52	0.323	0.115	0.719	0.99	17	1
SE4HsMi3KoU_350	52	0.323	0.115	0.719	0.99	29	1
SE4HsMi3KoU_350	52	0.323	0.115	0.719	0.99	36	1
SE4HsMi3KoU_096	52	0.313	0.173	0.696	0.988	12	1
SE4HsMi3KoU_096	52	0.313	0.173	0.696	0.988	17	1
SE4HsMi3KoU_421	52	0.331	0.115	0.684	0.99	12	1
SE4HsMi3KoU_421	52	0.331	0.115	0.684	0.99	17	1
SE4HsMi3KoU_421	52	0.331	0.115	0.684	0.99	79	1
SE4HsMi3KoU_091	52	0.316	0.115	0.713	0.988	12	1
SE4HsMi3KoU_091	52	0.316	0.115	0.713	0.988	17	1
SE4HsMi3KoU_091	52	0.316	0.115	0.713	0.988	79	1
SE4HsMi3KoU_118	47	0.235	0.021	0.858	0.979	12	1
SE4HsMi3KoU_118	47	0.235	0.021	0.858	0.979	17	1
SE4HsMi3KoU_118	47	0.235	0.021	0.858	0.979	79	1
SE4HsMi3KoU_273	52	0.169	0.096	0.659	0.981	12	1
SE4HsMi3KoU_273	52	0.169	0.096	0.659	0.981	17	1
SE4HsMi3KoU_273	52	0.169	0.096	0.659	0.981	79	1
SE4HsMi3KoU_362	52	0.268	0.123	0.701	0.99	12	1
SE4HsMi3KoU_362	52	0.268	0.123	0.701	0.99	17	1
SE4HsMi3KoU_362	52	0.268	0.123	0.701	0.99	79	1
SE4HsMi3KoU_414	52	0.297	0.131	0.655	0.988	79	1
SE4HsMi3KoU_414	52	0.297	0.131	0.655	0.988	12	1
SE4HsMi3KoU_414	52	0.297	0.131	0.655	0.988	17	1
SE4HsMi3KoU_414	52	0.297	0.131	0.655	0.988	79	1
SE4HsMi3KoU_009	50	0.191	0.038	0.765	0.994	12	1
SE4HsMi3KoU_009	50	0.191	0.038	0.765	0.994	17	1
SE4HsMi3KoU_009	50	0.191	0.038	0.765	0.994	79	1
SE4HsMi3KoU_151	52	0.326	0.108	0.712	0.988	12	1
SE4HsMi3KoU_151	52	0.326	0.108	0.712	0.988	17	1
SE4HsMi3KoU_151	52	0.326	0.108	0.712	0.988	79	1
SE4HsMi3KoU_319	52	0.288	0.094	0.718	0.992	12	1
SE4HsMi3KoU_319	52	0.288	0.094	0.718	0.992	17	1
SE4HsMi3KoU_319	52	0.288	0.094	0.718	0.992	79	1
SE4HsMi3KoU_290	52	0.314	0.14	0.701	0.99	12	1
SE4HsMi3KoU_290	52	0.314	0.14	0.701	0.99	17	1
SE4HsMi3KoU_187	52	0.295	0.085	0.696	0.981	12	1
SE4HsMi3KoU_187	52	0.295	0.085	0.696	0.981	17	1
SE4HsMi3KoU_187	52	0.295	0.085	0.696	0.981	79	1
SE4HsMi3KoU_241	52	0.18	0.177	0.691	0.99	12	1
SE4HsMi3KoU_241	52	0.18	0.177	0.691	0.99	17	1
SE4HsMi3KoU_241	52	0.18	0.177	0.691	0.99	79	1
SE4HsMi3KoU_365	52	0.283	0.104	0.699	0.99	12	1
SE4HsMi3KoU_365	52	0.283	0.104	0.699	0.99	17	1
SE4HsMi3KoU_365	52	0.283	0.104	0.699	0.99	79	1
SE4HsMi3KoU_413	52	0.302	0.108	0.697	0.99	12	1
SE4HsMi3KoU_413	52	0.302	0.108	0.697	0.99	17	1
SE4HsMi3KoU_072	52	0.323	0.15	0.67	0.99	12	1
SE4HsMi3KoU_072	52	0.323	0.15	0.67	0.99	17	1
SE4HsMi3KoU_317	52	0.183	0.1	0.71	0.985	12	1
SE4HsMi3KoU_317	52	0.183	0.1	0.71	0.985	17	1
SE4HsMi3KoU_317	52	0.183	0.1	0.71	0.985	79	1
SE4HsMi3KoU_461	42	0.119	0.102	0.614	0.988	12	1
SE4HsMi3KoU_461	42	0.119	0.102	0.614	0.988	17	1
SE4HsMi3KoU_461	42	0.119	0.102	0.614	0.988	79	1
SE4HsMi3KoU_461	42	0.119	0.102	0.614	0.988	69	1
SE4HsMi3KoU_158	52	0.304	0.108	0.677	0.981	12	1
SE4HsMi3KoU_158	52	0.304	0.108	0.677	0.981	17	1
SE4HsMi3KoU_189	52	0.315	0.11	0.697	0.99	12	1
SE4HsMi3KoU_189	52	0.315	0.11	0.697	0.99	17	1
SE4HsMi3KoU_189	52	0.315	0.11	0.697	0.99	79	1
SE4HsMi3KoU_124	52	0.228	0.029	0.706	0.99	12	1

End of preview. Expand in Data Studio

MicroG-HAR-train-ready dataset.

This dataset is converted from the MicroG-4M dataset.

For more information please visit our GitHub.

Datasets formatted in this way can be used directly as input data directories for the PySlowFast_for_HAR framework without additional preprocessing, enabling seamless model training and evaluation.

This dataset follows the organizational format of the AVA dataset. The only difference is that the original CSV header middle_frame_timestamp (the timestamp in seconds from the start of the video) has been replaced with key_frame_stamp, which stores the index of the key frame. The key frame index is defined as the index of the middle frame among all annotated bounding‐box frames for the same person_id within any continuous three‐second (90‐frame) segment.