一、项目介绍
1 论文介绍
1.1 题目:Temporal Graph Modeling for Skeleton-based Action Recognition
1.2 作者:Jianan Li, Xuemei Xie, Zhifu Zhao, Yuhan Cao, Qingzhe Pan and Guangming Shi Fellow, IEEE
二,项目文件
2.1项目名:TE-GCN-main
2.2项目链接:GitHub - xieyulai/TE-GCN: skeleton-based action recognition
三,项目准备
3.1 数据集:UAV-Human
(1)下载链接:UAV-Human
3.2数据预处理:
(1)项目名:Pre_Data-main
四,实验步骤
(1)准备环境,安装anaconda,创建虚拟环境,安装最新的pytorch(gpu版本),cuda,cudnn,以及所需库(numpy,tqdm等)
(2)下载数据集,将".\UAV-Human\ActionRecognition\Skeleton"放到数据预处理文件(Pre_Data-main)中的".Pre_Data-main\UAV-Human\data"中
(3)按照Pre_Data-main中READ ME依次运行split_v1.py 、 split_v2.py,generate_data.py,运行结果如下:
└───data/v1
├───train
├───P000S00G10B10H10UC022000LC021000A000R0_08241716.txt
├───P000S00G10B10H10UC022000LC021000A001R0_08241716.txt
└───...
├───test
├───P000S00G10B10H10UC022000LC021000A000R0_08241716.txt
├───P000S00G10B10H10UC022000LC021000A001R0_08241716.txt
└───...
├───train_label.pkl
├───train_data.npy
├───test_data.npy
└───test_label.pkl
v2具有相似的结构
(4)将v1、v2中的train_data.npy、train_label.pkl,test_data.npy、test_label.pkl分别粘贴到TE-GCN-main\data下的xsub1、xsub2文件夹下,文件结构如下:
xsub2文件夹具有相似的结构
(5)通过脚本训练模型
在Linux环境下,可直接运行TRAIN_V1.sh,TRAIN_V2.sh脚本(sh scripts/TRAIN_V1.sh;sh scripts/TRAIN_V2.sh)
在windows环境下,可在终端运行python命令
python main.py --config ./config/uav-cross-subjectv1/train.yaml --work-dir work_dir/2101 -model_saved_name runs/2101 --device 0 --batch-size 56 --test-batch-size 56 --warm_up_epoch 5 --only_train_epoch 60 --seed 777
python main.py --config ./config/uav-cross-subjectv2/train.yaml --work-dir work_dir/2102 -model_saved_name runs/2102 --device 0 --batch-size 56 --test-batch-size 56 --warm_up_epoch 5 --only_train_epoch 60 --seed 777
运行结果如下:
(6)通过脚本测试模型
运行EVAL_V1,EVAL_V2脚本,操作类似运行TRAIN_V1.sh,TRAIN_V2.sh脚本
(7)WEIGHTS 权重
可在 TE-GCN-main项目文件中的READ ME中获取两个训练有素的权重
把它们放进TE-GCN-main\runs
- V1:TOP1-42.37% V1:TOP1-42.37%
- V2:TOP1-68.11% V2:TOP1-68.11%