ST-GCN：基于骨架数据的动作识别空间时间图卷积网络

ST-GCN：基于骨架数据的动作识别空间时间图卷积网络

st-gcn Spatial Temporal Graph Convolutional Networks (ST-GCN) for Skeleton-Based Action Recognition in PyTorch 项目地址: https://gitcode.com/gh_mirrors/st/st-gcn

项目基础介绍及编程语言

ST-GCN（Spatial Temporal Graph Convolutional Networks）是由yysijie维护的一个开源项目，最初灵感来源于open-mmlab/mmskeleton，并且已经转移到MMSkeleton进行进一步开发。此项目专为基于骨骼数据的动作识别设计，利用PyTorch框架实现了空间时间图卷积的概念。项目采用的主要编程语言是Python，辅以少量Shell脚本。

核心功能

ST-GCN通过构建人体关节之间的图结构，并结合时间序列信息，对人的动作进行高效识别。它的核心在于图卷积操作，能够在保留骨架数据的空间布局的同时，捕捉动作随时间变化的动态特性。这使得模型能够处理复杂的非刚体运动，对于诸如舞蹈、体育活动等场景中的动作分类任务特别有效。

最近更新的功能

请注意，ST-GCN项目已不再积极维护，而是作为历史版本供参考。最新的发展和功能改进应查看MMSkeleton。MMSkeleton兼容旧版ST-GCN的自定义网络、数据加载器和检查点，且持续提供最新的工具箱特性，支持更广泛的人体理解任务。尽管具体的最近更新细节不在原ST-GCN仓库中体现，但可以预期的是，MMSkeleton可能包括性能优化、新算法集成、以及对更多数据集的支持等功能增强。

---

由于项目本身说明它即将不被维护，并指引用户迁移到MMSkeleton，所以实际的新功能更新应当关注后者。在MMSkeleton中寻找活跃的开发记录将得到更精确的信息。

st-gcn Spatial Temporal Graph Convolutional Networks (ST-GCN) for Skeleton-Based Action Recognition in PyTorch 项目地址: https://gitcode.com/gh_mirrors/st/st-gcn