ETS模型使用ActivityNet Captions数据集，数据准备方法如下：
步骤一. 特征数据准备:
-
在ActivityNet下载页面中，下载"Frame-level features"特征数据集(~89GB)。将下载好的resnet152i_features_activitynet_5fps_320x240.pkl数据文件存放在PaddleVideo/data/dataset/ets目录下；
-
运行PaddleVideo/data/dataset/ets/generate_train_pickle.py文件，将数据转化为pickle文件，便于内存载入。生成的数据存放在PaddleVideo/data/dataset/ets/feat_data文件夹下。
步骤二. 标签及索引数据准备：
-
在Dense-Captioning Events in Videos项目页面，从dataset链接中下载captions文件夹，其中包含标签和索引的json文件。将captions文件夹存放在PaddleVideo/data/dataset/ets目录下；
-
按数据评估步骤下载好coco-caption文件夹，并将其放置在PaddleVideo目录下；
-
python运行generate_data.py文件，生成训练用的文本文件train.list和val.list。
步骤三. 生成infer数据：
- 完成前两个步骤后，python运行generate_infer_data.py文件可生成infer.list文件。
按如上步骤操作，最终PaddleVideo/data/dataset/ets的目录结构为：
ets
|
|----feat_data/
|----train.list
|----val.list
|----generate_train_pickle.py
|----generate_data.py
|----generate_infer_data.py
|----captions/
|----resnet152_features_activitynet_5fps_320x240.pkl (生成feat_data后可移除以节省磁盘空间)