- trainlist.txt：训练数据（帧文件路径、分类标注），共计7260个视频；
- testlist.txt：测试数据（帧文件路径、分类标注），共计3974个视频；
- classlist.txt：活动类别及其对应编号。
- 处理训练数据和测试数据，记录数据（路径，帧数，帧list，类别），将其存储为python的list，element为上述元组；
- main.py:输入label文件夹内训练/测试数据的文档和ACT数据库的位置，生成相应的python list；
- train_list.txt: main.py处理训练集的结果；
- test_list.txt： main.py处理测试集的结果；
- python ./1Data_division/main.py path_to_ACT data_record
- python ./1Data_division/main.py ~/DL_project/ACT/action_frames_release ./label/trainlist.txt
- 检测每个视频是否足以提取25帧；对能够提取25帧的视频进行resample；
- DataAnalysis.py：用于计算视频中不足25帧的比率，得出结论（无法简单地忽略不足25帧的视频，比例较大，需要加以处理）；
- main.py：对数据进行重采样和矩阵化（重采样的策略有待调整，是否应该重视最后一帧）；
- python 2Data_process/main.py ~/DL_project/ACT/action_frames_release 1Data_division/test_list.txt ./test
- TestNpyMatrix.py：用于检查生成的npy矩阵是否正确；
- python 2Data_process/TestNpyMatrix.py ./train 100
- AddTrainFromTest.py：从测试集中拿出一部分数据添加到训练集，以降低variance；
- input和Y文件夹分别存放训练集矩阵化后的npy数据；
- input和Y文件夹分别存放测试集矩阵化后的npy数据；
- 用于存放测试用的视频帧图片。
- EModel.py：存放最简单的模型，由main.py进行调用；
- EModelLarger.py：存放了在EModel基础上，扩大了参数规模，并将优化算法由Adam改为了SGD；
- main.py：使用训练数据对模型进行训练（注意将训练数据打乱进行训练）；
- python ./3TrainModel/main.py ./train
- EModelCosDistance.py：存放EModelCosDistance模型，按照论文实现损失函数；
- mainForCos.py：使用EModelCosDistance进行训练，并且包含测试任务，原因是Model含有Lambda Layer难以存储；
- python ./3TrainModel/mainForCos.py ./train
- EModelXception.py
- mainEModelXception.py
- 对训练完保存下来的模型进行测试；
- 存放训练完成的模型；
- mymodel.h5：截取4对图片，[6,7,8,9]和[18,19,20,21]训练而成；优化算法是Adam，learning_rate为0.01，训练次数为50轮；
- 存放tensor计算函数的测试代码；
- TestCosDistance.py
- 用于存放各个nohup执行得出的结果文件；
- nohupFor1[6,7,8,9,18,19,20,21].out：仅训练1轮，用于充当测试的代码，47%准确率；
- nohupFor4[6,7,8,9,18,19,20,21].out：经过训练4轮，56%准确率；
- nohupFor4[0,1,2,3,21,22,23,24].out：经过训练4轮，57%准确率；
- nohupFor5[6,7,8,9,18,19,20,21].out：经过训练5轮，显存用尽；
- nohupFor4[0,1,23,24].out：经过训练4轮，56%准确率；
- nohupForTrain.out：模型对于训练集的准确率，90.9%准确率；
- nohupFor5[0,1,23,24].out：经过训练5轮，57.5%准确率；
- nohupFor4[0,1,2,3,12,12,21,22,23,24].out：显存直接溢出；
- 包含模型结果的可视化
- confusionMatrixData.txt：Confusion Matrix的数据来源；