行为检测学习记录
Cheungleilei
一个仙女
展开
-
HRNet提取骨架特征点+ ST-GCN训练自己的数据集代码实践问题记录
软硬件环境:python 3.6.5Ubuntu 18.04 LTSPytorch 1.1.0NVIDIA TITAN XP 8GB项目链接https://github.com/open-mmlab/mmskeleton准备工作先准备数据集准备环境,包含两步:第一步: 进入文件夹./deprecated/origin_stgcn_repo/ ,打开requirements.txt看下需要满足的环境条件,conda list:我不直接安装requirements.txt中的需求原因是,原创 2020-06-18 16:13:36 · 11259 阅读 · 67 评论 -
Linux下基于Pytorch框架用HRNet提取骨架特征点+解决CUDA和Torch版本不匹配问题
软硬件环境:python 3.6.5Ubuntu 18.04 LTSPytorch 1.1.0NVIDIA TITAN XP 8GB准备工作到github把HRNet代码clone或downloads下来,具体链接:https://github.com/stefanopini/simple-HRNetclone代码: git clone https://github.com/stefanopini/simple-HRNet.git将所需包都安装下来:pip install -r re原创 2020-06-11 17:53:29 · 4991 阅读 · 24 评论 -
【论文阅读】Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition
摘要动态人类骨架能够为人体行为识别传递大量的信息。传统的对人体骨架建模的方法是依赖于手工涉及或者遍历规则的,导致的结果就是表达力不强且泛化困难。在这里提出一种创新的动态骨架建模方法ST-GCN,能自动从数据中学习空间和时间特征。引言人体的行为可以由集中形式被识别:外观、光流和骨架。其中骨架蕴含大量信息,所以本文系统地研究了这种形式,将骨架运用到行为识别方向。动态的骨架能够自然地由2D或者...原创 2019-12-07 15:37:02 · 2389 阅读 · 0 评论 -
【行为识别】论文阅读笔记2|C3D:使用3D卷积网络学习时空特征
Learning Spatiotemporal Features with 3D Convolutional Networks摘要提出了一个简单但有效的学习时空特征的方法,利用在大规模监督视频数据集上训练得到的深度三维卷积网络(3D ConvNets)学习。贡献主要有三个方面:对比2D卷积网络,3D卷积网络更适合学习时空特征。对3D卷积网络来说,在所有层都用3×3×3的小卷积效果最好...原创 2019-11-19 10:33:28 · 2959 阅读 · 1 评论 -
Win10+Tensorflow+OpenPose超超超详细安装及各种遇到的问题解决
首先介绍一下安装的环境:—————————————————————————————————Win 10Python 3.6CUDA 10.0cuDNN 7.6.0—————————————————————————————————安装参考Mark的教程用git将tf-pose-estimation clone下来。也可以直接在网页上点clone or download,然后Down...原创 2019-11-07 10:41:20 · 5270 阅读 · 8 评论 -
【行为识别】论文阅读笔记1|Two-Stream Convolutional Networks for Action Recognition in Videos
参考山水之间2018的文章,行为识别(Action Recognition) 的目的是对一个给定的视频片段进行分类。行为检测(Action Detection) 的目的是知道一个动作在视频中是否发生,以及动作发生在视频中的开始时间和结束时间。行为识别和行为检测的关系类似于图片分类和目标检测的关系。目前行为识别有两个主流的结构,一个是Two-Stream,一个是C3D,本文阅读了Two-St...原创 2019-10-28 16:32:04 · 2347 阅读 · 0 评论