MMAction2 学习笔记 （四）——实用工具及demo演示

MMAction2 学习笔记 （四）——实用工具及demo演示

0- 写在前面

继续上一篇骨骼关键点识别算法相关内容的学习，今天学习通用领域的工具使用以及网络的DIY
目前正在实习，具体的内容方向是基于骨骼关键点的动作识别（skeleton based action recognition）。 在经过了多多的调研之后，觉得目前还是mmaction2平台最香，因此希望后续工作（包括效果的验证、实验、对比等等）包括前期的端到端工作都在mmaction2工具箱上展开。

学习mmaction2的目的是能够借助该平台对数据集、算法、演示、流程、搭建等等环节都能够理解的更加清晰和透彻（毕竟目前是一个小白），为后续自己的真正实际问题解决做准备。

本篇文章主要是基于mmaction2的中文教程（链接见文末），此外还有一些参考的文章以及github库中的注释性教程。

本部分是实用工具以及demo演示的部分，分别对应mmaction2中的 tools 部分，和demo 部分。
主要是一些如训练可视化、参数分析、复杂度分析、demo生成等常见通用性功能的讲述。

1- MMAction2 简介

mmaction2是商汤和港中文联合研发的一个基于pytorch框架的人体动作识别的深度学习开源工具库，可以提供包括行为识别（分类）、时序动作检测、时空动作检测、骨骼动作识别（分类）等等多种子类问题的算法框架，包括数据集等等，可以非常方便的使用。
mmaction2 和广为人知的检测工具库mmdetection 一样，都属于open-mmlab 工具箱下属的一个模块，目前仍在不断更新与拓展功能及算法，可以预见的是，其在人体行为识别方面将被更多人使用。

2- 日志分析

《参考资料》

输入变量指定一个训练日志文件，可通过 tools/analysis/analyze_logs.py 脚本绘制 loss/top-k 曲线。本功能依赖于 seaborn，使用前请先通过 pip install seaborn 安装依赖包。

python tools/analysis/analyze_logs.py plot_curve ${
   JSON_LOGS} [--keys ${
   KEYS}] [--title ${
   TITLE}] [--legend ${
   LEGEND}] [--backend ${
   BACKEND}] [--style ${
   STYLE}] [--out ${
   OUT_FILE}]

例如:

• 绘制某日志文件对应的分类损失曲线图：