2022.4.19 结果更正,原函数得到的混淆函数存在问题,用自己写的函数绘制结果并不是A3和A4,而是A30和A12,以及A11和A12
1.运行2s-AGCN
双流自适应图卷积网络有现成的开源代码,使用NTU-RGB D数据集进行训练,本文采用的是batch_size=32,epoch=15进行简单的复现,使用15次的权重时,bone网络的准确率是84.57%,joint网络的准确率是83.83%,融合准确率是89.9%。运行权重测试后,在work_dir/ntu/xview/agcn_test_joint(agcn_test_bone)中会分别出现一个运行结果,名为epoch1_test_score.pkl,即为分类器的打分结果。
2.分析打分结果
在ensemble.py中,可以读取pkl中的信息,代码段如下:
dataset = arg.datasets
label = open('./data/' + dataset + '/val_label.pkl', 'rb')
label = np.array(pickle.load(label))
r1 = open('./work_dir/' + dataset + '/agcn_test_joint/epoch1_test_score.pkl', 'rb')
r1 = list(pickle.load(r1).items())
r2 = open('./work_dir/' + dataset + '/agcn_test_bone/epoch1_test_score.pkl', 'rb')
r2 = list(pic