st-gcn环境搭建过程

最新推荐文章于 2024-05-07 15:03:13 发布
最新推荐文章于 2024-05-07 15:03:13 发布
阅读量3.5k 收藏 4
点赞数
分类专栏： 姿势识别 文章标签： 姿势识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/XYKenny/article/details/96973101
版权
XYKenny
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
基于骨架的动作识别方法：ST-GCN
mistydou的博客
02-17 1880
ST-GCN论文阅读
AAAI2018||ST-GCN：Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition
qq_36756312的博客
11-16 5190
在本博客中，我将对骨架动作识别任务中应用图卷积的开山之作ST-GCN进行重述，其中会参杂个人的理解。本篇博客内容为本人研究生阶段结课作业与论文部分内容，因此改进部分暂时未上传；本篇博客旨在于广大同学一起分享讨论于进步，请勿私自转载。 在文末将会对ST-GCN中的图卷积代码进行图画阐述。后续可能会更新代码讲解。 一、摘要 在基于骨架的动作识别任务中，动态的人体骨架具有该任务所需的重要信息，然而以往传统的方法通常使用手工特征或遍历规则对骨架进行建模，不仅限制了模型表达能力还使得模型泛化困难；因此作者提出了
保姆级在Windows下复现OpenPose+ST-GCN行为识别
最新发布
m0_70694811的博客
05-07 1044
具体原理这里不介绍，大家自行查阅，比如Openpose是个啥？ST-GCN又是个啥？一、默认Openpose已经配置好。
行为识别：ST-GCN实现（将OpenPose换为轻量级）
m0_62948300的博客
03-31 962
本来的想法是先按它的思路复现一遍，再将openpose换成light weight-openpose，但是看了好多教程openpose+sg-gcn，到最后一步复现失败（主要是Openpose本来的环境搭建就很麻烦，当初我几乎花了一周才完全做出来，还忘记写笔记），于是放弃这个方案。作者直接实现了轻量级openpose+ST-GCN!操作也很简单，只需要按作者的read me修改一些路径！当然前提是需要自己把light weight-openpose环境先搭好，这个也很简单，网上教程比较多。
ST-GCN源码阅读
qq_46579456的博客
03-27 2715
1、引言 ST-GCN源码来自https://github.com/yysijie/st-gcn；文中代码中的注释仅是个人理解，如有错误，欢迎指正。 ST-GCN原文翻译可以参考https://blog.csdn.net/qq_46579456/article/details/123756030?spm=1001.2014.3001.5502 2、源码分析 2.1 graph.py graph.py文件主要用于获取图结构信息，即邻接矩阵A。 （1）...
【论文阅读笔记 + 代码解读】（2018 AAAI）ST-GCN
qq_36627158的博客
03-02 7488
写在前面 ST-GCN 是skeleton based action recognition 的开山鼻祖。MMLab 出品，必是精品！ 开山鼻祖级别的论文必有很多理论 + 数学公式，再加上本人（菜鸡）既不是数学专业又不是计软本科出身的，所以第一次看这篇论文的时候很痛苦。。。 所以本来应该很早就要写这篇博客的，被我拖啊拖。。。拖到了 2s-AGCN 的解读博客我都写完好久了，ST-GCN 的还是没出来。。。解读 2s-AGCN 代码_小吴同学真棒的博客-CSDN博客_2s-agcn代码论文：https.
st-gcn时空图卷积神经网络
12-11
Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition. 图卷积神经网络，2018年AAAI论文代码。
Human-Falling-Detect-Tracks:AlphaPose + ST-GCN + SORT
04-14
人体跌倒检测与追踪使用Tiny-YOLO oneclass... 对于动作识别，使用来自跌倒检测数据集（，家庭）的数据，通过AlphaPose提取骨骼姿势，并手动标记每个动作帧，以训练ST-GCN模型。预训练模型Tiny-YOLO oneclass- ， SPPE
ST-GCN 论文原文及解读
12-19
ST-GCN 论文原文和解读的 pdf。 传统的⻣骼建模⽅法通常依赖于⼿⼯制作的部件或遍历规则，从⽽导致表达能⼒有限和泛化困难，针对特定应⽤设计的模型很难推⼴到其他应⽤。 在这项⼯作中，作者提出了⼀种新的动态⻣架...
基于时空图卷积ST-GCN的骨骼动作识别毕设项目源码+模型+示例效果.zip
02-16
基于时空图卷积ST-GCN的骨骼动作识别毕设项目源码.zip基于时空图卷积ST-GCN的骨骼动作识别毕设项目源码.zip基于时空图卷积ST-GCN的骨骼动作识别毕设项目源码.zip基于时空图卷积ST-GCN的骨骼动作识别毕设项目源码.zip...
基于时空图卷积（ST-GCN）的骨骼动作识别（python源码+项目说明）.zip
03-15
基于时空图卷积（ST-GCN）的骨骼动作识别（python源码+项目说明）.zip基于时空图卷积（ST-GCN）的骨骼动作识别（python源码+项目说明）.zip基于时空图卷积（ST-GCN）的骨骼动作识别（python源码+项目说明）.zip基于...
ST-GCN基于图卷积的行为识别修改模型文件
10-28
ST-GCN官方代码模型，下载后有误，在github上找到的修改版模型，实测可以使用，测试结果与论文中基本一致
标题ST-GCN安装，运行测试
weixin_43933981的博客
05-26 982
标题ST-GCN安装，运行测试 参考：ST-GCN源码运行完整版（含OpenPose编译安装）及常见问题 环境安装： 1.github： https://github.com/fendou201398/st-gcn 2.创建conda环境 conda create -n stgcn python=3.5.6 activate stgcn 3.cd 到下载安装包文件目录 pip install torch-1.2.0-cp35-cp35m-win_amd64.whl -i https://pypi.tuna.
ST-GCN复现以及配置环境遇到的问题（Colab）
weixin_47349091的博客
03-01 3586
ST-GCN复现以及配置环境遇到的问题（Colab） ST-GCN介绍：解读：基于动态骨骼的动作识别方法ST-GCN（时空图卷积网络模型）_浪浪的博客-CSDN博客 这里我就不多介绍了，大家可以别的地方看看。这里我主要介绍复现过程遇到的坑。由于本人电脑比较辣鸡，在本地跑程序的时候环境出现了很多问题。所以只能去colab跑程序，优势有很多，首先有免费的GPU，第二环境配置出现问题较少，第三速度快。 本次实验是在colab（要科学上网）的基础上跑的，所以本地电脑会出现哪种状况我就不晓得了。 废话不多说，先上
配置st-gcn【ubuntu 16.04+CUDA 9.0+CPU】
qq_40836683的博客
06-11 1676
配置st-gcn【ubuntu 16.04+CUDA 9.0+CPU】 注：安装时如果我的步骤不明确，可以根据我所给的引用文章进行安装 1 环境检查 1.1 CUDA检查 // CUDA检查 nvidia-smi 显示结果： 1.2 【由于本人是用服务器配置所以添加了这一项】上传大文件方法 引用了以下作者方法（如果作者看到觉得侵权，可以跟我说，我会删除） https://www.cnblogs.com/hester/p/10568316.html 打开aria2c的方法【试了很多方法，这个在我这里最有
用于动作识别的时空图卷积ST-GCN
AI蜗牛车
11-15 3001
1 前言最近参加了CCF举办的比赛，并选了一个与之前研究相关性并不大的赛题。赛题主要是做基于人体骨架的动作识别的，正好借此机会学一下相关知识。官方给出的baseline有两个，一个是ST-...
ST-GCN使用
raymond的CSDN
08-12 1万+
< 1 > 训练ST-GCN 1, 制作训练集; stgcn 2,训练相关参数和命令
ST-GCN 使用+复现
热门推荐
weixin_42285497的博客
10-29 1万+
ST-GCN 使用+复现 下载所需数据集 Kinetics 与 NTU-RGB+D Kinetics(百度云)下载地址 NTU-RGB+D (their website) (Only the 3D skeletons(5.8GB) modality is required in our experiments) stgcn官方使用了Kinetics-skeleton和NTU RGB+D...
配置ST-GCN体会
Dongjiuqing的博客
04-22 8214
搞深度学习这东西配环境真的难。总是在达成目标的路上遇到各种错误。 本文仅记录配置环境中的心得。Spatial Temporal Graph Convolutional Networks for Skeleton Based Action Recognition 论文解读可参考：https://blog.csdn.net/qq_36893052/article/details/79860328...
ST-GCN动作识别具体过程
05-18
ST-GCN（Spatial Temporal Graph Convolutional Networks）是一种基于图卷积神经网络（GCN）的动作识别方法，它使用了一种新颖的方式来对动作进行建模，即将人体骨架表示为一个空间-时间图，并在此基础上进行卷积运算。 ST-GCN 的具体过程如下： 1. 数据预处理：将采集到的视频序列转换为人体姿势序列。这一步可以使用深度学习方法，如 OpenPose 或 DensePose 等，或者使用传统计算机视觉方法，如基于背景减除的方法等。 2. 构建空间-时间图：将每个人体关节点看作图中的一个节点，将它们之间的关系看作边，构建一个空间-时间图。在这个图中，每个节点代表一个人体关节点，每条边代表两个关节点之间的关系。在时间维度上，将多个关键帧组成的序列看作一个三维立方体，将每个关键帧视为立方体的一个层次。 3. 进行图卷积运算：使用图卷积神经网络对空间-时间图进行卷积运算。在 ST-GCN 中，使用了基于时空卷积的图卷积神经网络（ST-Conv），它可以对节点和边同时进行卷积运算，从而捕捉节点之间的空间和时间依赖关系。 4. 提取特征：将经过卷积运算后的空间-时间图作为输入，使用全连接层或者其他神经网络模型来提取特征。 5. 分类：使用 softmax 等分类器将提取到的特征映射到动作类别上，进行动作分类。 ST-GCN 的优点在于它不需要对人体进行三维重建，直接对关节点进行建模，可以避免姿势估计误差对识别性能的影响。同时，ST-GCN 的卷积操作可以捕捉节点之间的空间和时间依赖关系，有利于提高识别准确率。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值