ViolenceDetection

Deteção de violência em vídeo com YOLOv8, dados do cliente e dataset público (ex.: RWF-2000).

Ordem de execução (ficheiros 01 … 10)

Os notebooks estão numerados na ordem em que devem ser executados na pasta notebooks/.

Passo	Notebook	O que faz
1	01_client_eda.ipynb	Catálogo, movimento, thumbnails → data/client_analysis/
2	02_dataset_public.ipynb	Dataset YOLO a partir de data/public_raw/ → data/datasets/public_only/
3	03_train_public_only.ipynb	Treino só no público → models/public_only_best.pt
4	04_client_classification.ipynb	Segmentos + pré-rotulagem + revisão → data/client_labeled/
5	05_dataset_client_only.ipynb	Imagens/labels YOLO do cliente → data/datasets/client_only/
6a	06_train_client_only.ipynb	Experimento A (só cliente); fine-tune a partir de public_only_best.pt se existir
6b	ou 07_train_combined.ipynb	Experimento B (cliente + público); mesma inicialização opcional
7	08_comparison.ipynb	Comparar A vs B
8	09_lstm_pre_violence.ipynb	Classificador temporal (opcional)
9	10_inference_demo.ipynb	Demo em vídeo / RTSP

Atalho (sem dataset público)

01 → 04 → 05 → 06 ou 07 — a pré-rotulagem no 04 fica só com COCO + pose até existir public_only_best.pt.

Pesos em models/

Ficheiro	Origem
public_only_best.pt	03_train_public_only
client_only_best.pt	06_train_client_only
combined_best.pt	07_train_combined

No 04_client_classification, o YOLO usa o melhor disponível: combined_best → client_only_best → public_only_best → best.pt.

Dados

• Vídeos do cliente: data/client_videos/
• RWF-2000 (ou similar): data/public_raw/violence/ e non_violence/