about "/traintestlist/xxxxxx.txt" about video-backdoor-attack

[shiwen1997]

看到作者是复旦的大佬，原谅我直接用中文......
第2个问题就是 您能提供一下 把UCF101数据集处理成frame的代码 吗？因为LossNAN/I3D-Tensorflow里面提供的数据预处理的代码好像只能对单个avi预处理

[ShihaoZhaoZSH]

同学，你好：对于你的两个问题，我在这里做一下解答。1. 附件1为数据集生成frame的代码。2. 对于github repo里traintestlist中的文件生成：附件2是ucf101提供的原始训练测试集的划分文件。github repo里traintestlist中的各个文件是根据这些原始划分文件生成的，文件中每行里第一个为样本路径，第二个为视频所包含的帧数，第三个为数据的标注类别。对于生成github repo里这些文件的方法，首先需要利用原始划分文件以及视频提帧的frame数量，生成包含frame数的训练测试文件；然后，在根据不同的模块（如train/test，enhance/generate trigger等）的需求（如target class，污染数据的比例等），对所需样本、标注类别等进行采样、改变。这些都是简单的操作，比如python中的文件操作、os、random模块等；如果不清楚采用何种策略来采样和改变标注，可以详细的阅读论文中的对应板块，并参照github repo里的实现来更好的理解。

[shiwen1997]

同学，你好：对于你的两个问题，我在这里做一下解答。1. 附件1为数据集生成frame的代码。2. 对于github repo里traintestlist中的文件生成：附件2是ucf101提供的原始训练测试集的划分文件。github repo里traintestlist中的各个文件是根据这些原始划分文件生成的，文件中每行里第一个为样本路径，第二个为视频所包含的帧数，第三个为数据的标注类别。对于生成github repo里这些文件的方法，首先需要利用原始划分文件以及视频提帧的frame数量，生成包含frame数的训练测试文件；然后，在根据不同的模块（如train/test，enhance/generate trigger等）的需求（如target class，污染数据的比例等），对所需样本、标注类别等进行采样、改变。这些都是简单的操作，比如python中的文件操作、os、random模块等；如果不清楚采用何种策略来采样和改变标注，可以详细的阅读论文中的对应板块，并参照github repo里的实现来更好的理解。

非常感谢作者百忙中回复，回复中的附件1和附件2好像没看到，对应在哪？