2s-AGCN复现

已于 2022-04-09 21:16:56 修改
阅读量1.7k 收藏 5
点赞数
分类专栏： 康复训练论文阅读 文章标签： python
于 2022-04-07 13:17:45 首次发布
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/duoduohair/article/details/124013283
版权
这篇博客介绍了作者在姿态估计领域的研究，具体是基于2s-AGCN模型的改进。作者采用了双特征points和bone进行训练，并应用了自适应策略。实验结果显示，在RGB+D数据集上，原方法得到93.7的关节准确率，而作者的训练结果达到85.69。数据处理遵循给定代码，只修改了GPU ID以适应双3090显卡的并行训练。完整实现可参考提供的GitHub链接。
摘要由CSDN通过智能技术生成

论文没有特别仔细看，大致看了整体。主要是采取了双特征points和bone进行训练。加了自适应。
关注cs结果：作者的原结果在RGB+D是：
在这里插入图片描述
我在训练joints得到的是85.69
js-AGCN得到93.7
数据处理直接根据给定代码
仅更改yaml文件的显卡id，使用两张3090显卡
使用代码如下：https://github.com/lshiwjx/2s-AGCN
在这里插入图片描述

路边大榕树
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Python-ASGCN的一个Tensorflow实现
08-11
AS-GCN （"Adaptive Sampling Towards Fast Graph Representation Learning"）的一个Tensorflow实现
ST-GCN复现的全过程（详细）
热门推荐
m0_56698268的博客
05-16 1万+
目录 提前工作 服务器 本机环境 数据集 运行逻辑 第一步 处理数据集 第二步训练网络 第三步 测试 总结的问题 提前工作 服务器 我其实复现了2次，第一次是用的3070，第二次尝试了并行超算云服务器，里面有8张 A100。两个都是采用了本机远程ssh连接服务器跑。（超算云服务器跑ST-GCN的一些配置可以之前写的博客：并行超算云直连SSH，Pycharm运行ST-GCN_Eric加油学！的博客-CSDN博客） 本机环境 第一次完整复现过程是在win的vscode上，p...
解读 2s-AGCN 代码
qq_36627158的博客
03-29 1万+
论文：https://openaccess.thecvf.com/content_CVPR_2019/papers/Shi_Two-Stream_Adaptive_Graph_Convolutional_Networks_for_Skeleton-Based_Action_Recognition_CVPR_2019_paper.pdf 论文代码：https://github.com/lshiwjx/2s-AGCN A（Graph）的定义 https://git...
2s-AGCN【复现】EOFError: Ran out of input 问题解决记录（win10+pycharm）
labview520的博客
04-12 3974
在win10上用pycharm复现2s-AGCN论文程序，在环境和文件路径都调通之后 在终端里输入 python main.py --config ./config/nturgbd-cross-view/train_joint.yaml 出现了下面的这样一个报错 [ Tue Apr 12 18:18:56 2022 ] Parameters: {'work_dir': './work_dir/ntu/xview/agcn_joint', 'model_saved_name': './runs/ntu_cv_
GCN原理与python复现
qq_35090060的博客
05-04 166
GCN原理 python复现 import torch import torch.nn as nn import torch.nn.init as init import torch.sparse import torch.nn.functional as F import torch.optim as optim import scipy.sparse as sp import numpy a...
2S-AGCN介绍
qq_43547141的博客
12-04 6892
文章目录系列文章目录ST-GCN的缺陷二、使用步骤1.引入库2.读入数据总结 ** 2S-AGCN图的定义 2S-AGCN图卷积构造** 系列文章目录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 例如：第一章 Python 机器学习入门之pandas的使用 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录系列文章目录ST-GCN的缺陷二、使用步骤1.引入库2.读入数据总结 #前言 # ST-GCN简介 传统深度学习方法将骨架数据表示为矢量序列或二维网格，
AS-GCN【复现】ModuleNotFoundError: No module named ‘processor.demo‘问题
labview520的博客
03-27 7885
AS-GCN【复现】
图卷积网络进行骨骼识别代码_【骨骼行为识别】2s-AGCN论文理解
weixin_39593277的博客
12-20 1073
Two-Stream Adaptive Graph Convolutional Networks for Skeleton-Based Action Recognition论文链接：https://arxiv.org/abs/1805.07694​arxiv.org代码链接：lshiwjx/2s-AGCN​github.com跟AS-GCN相同，这篇论文也是对ST-GCN的改进，同样是2019年发...
AGCN整理_timmy.pdf
10-02
基于骨骼的行为识别模型AGCN文献阅读笔记
Adaptive Graph Walk Based Similarity Mearsures in Entity_Relation Graph
04-22
### Adaptive Graph Walk Based Similarity Measures in Entity-Relation Graph #### 概述 本文档主要讨论了在异构图（即包含不同类型对象和多种链接类型的图）中应用自适应图走算法来度量实体间的相似性。...
datasets数据集
09-12
datasets数据集
利用初始残差和解耦操作的自适应深层图卷积.pdf
12-15
本文介绍了一种新的深度图卷积网络模型——ID-AGCN（Initial Residual and Decoupled Adaptive Graph Convolutional Network），该模型旨在解决传统图卷积网络（GCN）在深层学习中遇到的过平滑问题，以及未能充分...
Materials-Temporal-Action-Detection:时间动作检测
05-29
(S-2D-TAN)学习用于时间动作定位的稀疏二维时间相邻网络（ICCV 2019 上的 HACS 时间动作定位挑战） (G-TAD) G-TAD：用于时间动作检测的子图定位(CVPR 2020) (CMSN) CMSN：用于生成时间动作建议的连续多阶段网络和可...
GCNv2复现-CPU
NolanTHU的博客
04-11 6213
一、一些工具的安装 1.配置过程中所需要cmake、gcc、g++、git和pip工具。 sudo apt-get install cmake sudo apt-get install gcc g++ sudo apt-get install git sudo apt-get install python3-pip 2.安装vim sudo apt-get install vim 3.安装eigen sudo apt-get install libeigen3-dev 4.安装Pango
2s-AGCN 代码理解
一杯水果茶！足矣~
04-16 1209
2s-AGCN 代码理解
CTR-GCN源代码复现（skeleton-based Human Action Recongnition）
qq_42814766的博客
02-28 3112
skeleton-based Human Action recongnition复现CTR-GCN源代码
论文超详细精读|万字：2s-AGCN
IanYue的博客
10-21 3052
1. 提出了一种新的双流自适应图卷积网络(2S-AGCN)用于基于骨架的动作识别。**模型中的图的拓扑既可以统一地学习，也可以通过BP算法以端到端的方式单独学习。** 2. 提出了一种同时对**一阶和二阶信息（骨架的长度与方向）建模的双流框架**，在识别精度上有了显著的提高。 它将骨架数据的图结构参数化，并嵌入到网络中，与模型共同学习和更新。 3. 文章主要创新点有两个，一个是双流网络，另外一个是自适应。
2s-AGCN
m0_63642362的博客
05-06 1540
转自AI Studio，原文链接：2s-AGCN - 飞桨AI Studio 2s-AGCN Paddle实现 1 简介 This is the unofficial code based onPaddlePaddleof CVPR 2019 paper: Two-Stream Adaptive Graph Convolutional Networks for Skeleton-Based Action Recognition 2s-AGCN是发表在CVPR2019上的一篇针对ST-GCN进行..
【Python】入门到放弃之第九章《字典》
最新发布
MP13537560060的博客
08-15 618
这是本系列的第九章节内容，《字典》。在Python中，字典（Dictionary）是一种内置的数据结构，用于存储键值对（key-value pairs）。字典是可变的，意味着你可以在创建字典后添加、删除或修改其中的元素。字典的键（key）必须是唯一的，并且是不可变的（即，它们必须是不可变数据类型，如字符串、数字或元组，但不能是列表或字典等可变类型）。字典的值（value）则可以是任何数据类型，包括列表、元组、字典等。以上，就是Python中字典的全部内容。
plt.savefig('/root/autodl-tmp/2s-AGCN-master/study/MADT_gcn_visual_A1/depthmap9.svg') ^ SyntaxError: invalid syntax
07-22
这个错误是由于在保存图像时使用了无效的语法。`plt.savefig()` 函数用于保存 Matplotlib 绘制的图形，但是在你提供的示例中，路径字符串的引号可能没有正确地关闭，导致了语法错误。 以下是一个修正后的示例： ```python import matplotlib.pyplot as plt # 绘制图形 plt.plot([1, 2, 3, 4], [1, 4, 9, 16]) # 保存图像 plt.savefig('/root/autodl-tmp/2s-AGCN-master/study/MADT_gcn_visual_A1/depthmap9.svg') ``` 请确保路径字符串的引号正确关闭，并且路径是存在的。这样你就可以成功保存图像。
评论 1
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