# Future Frame Prediction & Spatial-Temporal Dissociation

## Môi trường

Dùng docker container ncs_tungufm:

docker exec -ti ncs_tungufm /bin/bash

Thư mục chứa code bên trong container đã mount với bên ngoài:

cd ../andt

## 1. Future Frame Prediction

- Đường dẫn code trên máy 154: `/storageStudents/ncsmmlab/tungufm/Anomaly_Prediction/` (bên trong container: `/andt/Anomaly_Prediction/`)
- Lệnh train trên bộ foggy:

CUDA_VISIBLE_DEVICES=0 python train.py --dataset=UIT_ADrone_Foggy

Cờ `--dataset` là thư mục root có cấu trúc:

UIT_ADrone_Foggy
|__train
|____frame_foggy
|__test
|____frame_foggy
|____test_frame_mask

Nếu muốn train trên bộ gốc thì có thể thay đổi tại file config.py dòng 38, 39 thành frames.

...
def update_config(args=None, mode=None):
    share_config['mode'] = mode
    # assert args.dataset in ('ped2', 'avenue', 'AD_dataset_2022tech', 'AD_dataset_2022'), 'Dataset error.'
    share_config['dataset'] = args.dataset

    if mode == 'train':
        share_config['batch_size'] = args.batch_size
        share_config['train_data'] = share_config['data_root'] + args.dataset + '/train/frames_foggy'
        share_config['test_data'] = share_config['data_root'] + args.dataset + '/test/frames_foggy/'
...

Sau khi train được:


- Checkpoint lưu ở thư mục `weights`, log lưu ở thư mục `results`.

## 2. Spatial-temporal dissociation

- Đường dẫn code trên máy 154: `/storageStudents/ncsmmlab/tungufm/VideoAnomalyDetection/` (bên trong container: `/andt/VideoAnomalyDetection/`)
- Lệnh train trên bộ UIT-ADrone foggy:

CUDA_VISIBLE_DEVICES=0 python script.py --dataset_path='../UIT_ADrone_Foggy/' --log_path='./log_path_adrone_foggy/'

- Khi muốn train trên bộ thường thì để ý file script.py dòng 29, đổi lại thành `frames`. Đối với các scene bộ Drone-Anomaly thì có thể chỉ cần để `train/`:

def train(args):
    config.log_path = os.path.join(args.log_path, args.dataset_name)
    config.dataset_path = args.dataset_path
    config.dataset_name = args.dataset_name

    solver = Solver(config, cluster_model=PredRes_AE_Cluster_Model, model_type=args.model_type)

    train_set = ImageFolder(config.dataset_path, 'train/frames_foggy/', config.clips_length , config.frame_interval , config.img_size, config.rgb_tags)
    training_loader = DataLoader(dataset=train_set, num_workers=config.batch_size, batch_size=config.batch_size, shuffle=True)
    training_iter = iter(training_loader)
    training_nums = len(training_loader)

- Sau khi train được:
- Weight sẽ lưu ở thư mục mà mình đưa vào cờ `--log_path`.
- Lệnh test lấy AUC:

CUDA_VISIBLE_DEVICES=0 python script.py \
--dataset_path='../UIT_ADrone_Foggy/' \
--log_path='./log_path_adrone_foggy/' \
--eval