输入到PoseC3D的数据格式

于 2024-09-15 14:02:16 发布
阅读量82 收藏
点赞数 4
文章标签： python 开发语言 pytorch 人工智能 深度学习
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/qq_34425255/article/details/142283474
版权

 对应配置文件configs/posec3d/slowonly_r50_ntu60_xsub/joint.py

对应配置文件configs/posec3d/slowonly_r50_ntu60_xsub/limb.py

 

对应配置文件configs/rgbpose_conv3d/rgb_only.py，猜测这种数据格式是为了方便后期多模态特征融合。

pyskl/configs/posec3d at main · kennymckormick/pyskl · GitHub

鱼儿会飞吗
关注
PoseC3D 基于人体姿态的动作识别新范式
一杯水果茶！足矣~
09-03 1670
PoseC3D 和 PoseConv3D 都是基于人体姿态的动作识别的论文，它们都使用了三维卷积网络来处理骨骼点转换后的热图堆叠，而不是使用图卷积网络来处理骨骼点序列。它们都在多个数据集上取得了很好的效果，超越了之前的基于 GCN 的方法。
poseC3D代码结构
waiyayaya的博客
11-10 1497
复现代码
使用PoseC3D方法训练自己的数据集（一）
m0_59670748的博客
06-08 1073
输入的数据主要包含两部分，以“split”为关键字的字典和以“annotation”为关键字的字典，其中split还有两个子键，分别是“xsub_train”和“xsub_val”，“xsub_train”对应的值为训练集的视频名称列表，同理“xsub_val”对应的值为验证集的视频名称列表。
MMAction2使用PoseC3d训练自己的数据集（数据集构建+训练）
lcrdadas的博客
11-28 3134
MMAction2官方给的基于骨骼点的动作识别数据集构建代码ntu_pose_extraction.py及其数据集构建过程说的比较简单，并且没有给出多个pickle文件合并的代码，这里为了方便，贴出这个代码。
2022CVPR（PoseC3D）：Revisiting Skeleton-based Action Recognition
weixin_45662626的博客
12-03 1110
本文提出了一种新的基于骨架的动作识别方法PoseC3D，它**依赖于3D热图堆栈而不是图序列作为人体骨骼的基本表示**。与基于 GCN 的方法相比，PoseC3D 在学习时空特征方面更有效，对姿态估计噪声具有更强的鲁棒性，并且在跨数据集设置中更好地泛化。此外，PoseC3D可以处理多人场景，而不需要额外的计算成本，其特征在早期融合阶段可以很容易地与其他模式集成，这为进一步提高性能提供了很大的设计空间。
CVPR 2022 Oral｜港中文开源PoseC3D：基于3D-CNN的骨骼动作识别框架
3D视觉工坊
04-20 2222
编辑丨极市平台 作者丨Kenny@知乎来源丨https://zhuanlan.zhihu.com/p/493374779Paper：https://arxiv.org/abs/2104.13586Code：https://github.com/kennymckormick/pyskl引言PoseC3D framework我们此前的工作 PoseC3D [1] 在今年的...
PoseC3D模型的关注点
qq_34425255的博客
05-17 394
分析：那就是如果想要使用PoseC3D这个模型，首先需要清楚一点PoseC3D这个模型仅接受Skeleton作为后续输入。有点类似于第一种办法通过人体姿态估计算法来构建，第二种办法通过深度相机内部集成了人体姿态估计算法自动就会生成关键点数据。所以这个时候有两种办法，第一种办法是从RGB视频数据构建，第二种办法是从现有的关键点数据构建。考虑到成本，我们可以采取第一种办法。
骨骼识别-复现PoseC3D
m0_63642362的博客
05-26 7456
转自AI Studio，原文链接：​​​​​​骨骼点动作识别-基于Paddle复现PoseC3D - 飞桨AI Studio Revisiting Skeleton-based Action Recognition（PoseC3D 基于Paddle复现） 1.简介 人体骨架作为人类行为的一种简洁的表现形式，近年来受到越来越多的关注。许多基于骨架的动作识别方法都采用了图卷积网络（GCN）来提取人体骨架上的特征。尽管在以前的工作中取得了积极的成果，但基于GCN的方法在健壮性、互操作性和可扩展性方面受到限制
pyskl：hrnet+fastercnn+c3d
qq_41106932的博客
11-04 1023
热图输出一共十七个关键点，每一个关键点一个channel，格式为（C，T，H，W）(N为设置的batch_size数32，T为设置的clip_len为32，即随机抽取32帧，H,W设置为56)，即（32，17，32，56，56）.Input：NCHW(17,32,56,56),(17个通道数，32帧，56x56的大小)，C3D训练使用3个stage，base_channel为32。对视频抽帧（使用decoder对视频进行均匀抽帧），检测视频帧中的人物，根据视频帧中的人物进行人体关键关键点的检测。
C3D行为识别（一）：UCF101视频数据集预处理
qq_22003061的博客
05-11 6044
行为识别（一）：视频数据集预处理 文章目录行为识别（一）：视频数据集预处理1 数据集介绍1.1 UCF1012 UCF101预处理2.1 划分train_set和test_set2.2 将视频提取为图像 1 数据集介绍 基于视频的行为识别常见的数据库有UCF101、HMDB-51、Something-Something V2、AVA v2.2、Kinetic-700等。其中UCF101的标记方式是针对一段视频做一个类别的标记，AVA v2.2的标记共包含五个部分，video_id（视频名称）、middle_
MMAction2学习笔记 使用C3D训练测试自己的数据集
qq_29761909的博客
09-07 6816
使用mmaction2中的CSD算法，在自己的数据集上微调训练
手势识别论文解读
热门推荐
小虎 的博客
07-31 1万+
Learning to Estimate 3D Hand Pose from Single RGB Images20173 主要流程 代码细节解读 训练流程解读 Two-Stream Convolutional Networks for Action Recognition in Videos2014 框架 两个stream Spatial stream ConvNet Optical flow C
MMAction2 学习笔记 （四）——实用工具及demo演示
Jason_____Wang的博客
11-23 3146
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
Python办公自动化案例（二）：对比两个Excel数据内容并标出不同
衍生星球的博客
09-14 169
在数据处理和分析的日常工作中，我们经常需要比较两个Excel文件的差异。这可能是为了验证数据的一致性、检查数据的准确性，或者在版本控制中追踪更改。手动比较这些文件不仅耗时，而且容易出错。幸运的是，Python的openpyxl库提供了一种自动化这一过程的方法。
蒙特卡罗方法——布丰投针实验近似计算圆周率python代码实现
2301_79376014的博客
09-09 518
蒙特卡罗——布丰实验
Python实现多线程、多进程及协程
qq_42568323的博客
09-09 1107
本文详细介绍了 Python 中多线程、多进程和协程的并发模型及其实现方式，并通过具体场景演示了如何使用面向对象思想实现这些模型。在实际应用中，应根据任务的类型和需求选择合适的并发模型，从而优化程序的性能和资源利用率。本文将详细介绍 Python 中的多线程、多进程和协程的概念及其实现方式，并通过具体场景展示如何在 Python 中使用面向对象的思想实现这些并发模型。接下来，我们通过一个计算密集型任务的示例来演示多进程的实现：计算一系列大数字的阶乘。主程序中创建并启动了多个计算进程，并使用。
Python——俄罗斯方块
最新发布
2302_81225694的博客
09-14 235
这段代码使用了Pygame库来实现游戏的图形界面，通过键盘控制方块的移动和旋转。游戏循环不断更新方块的位置和网格状态，并绘制在屏幕上。在方块达到底部或无法继续移动时，判断是否有满行，并清除满行的方块。游戏会根据方块的状态和移动情况不断更新，直到无法继续下落为止，游戏结束。俄罗斯方块游戏是一款经典的益智游戏，通常使用编程语言Python来实现。请注意，这只是一个简单的示例，可能还有一些功能和优化方面的改进。您可以根据自己的需求进行修改和扩展。
JIT编译器
Flying_Fish_roe的博客
09-11 567
JIT（Just-In-Time，实时编译）编译器是 Java 虚拟机（JVM）中的一项重要技术，用于将 Java 字节码（Bytecode）在运行时动态编译为机器码。Java 程序最初通过编译器（如javac）将源代码编译为字节码，字节码在 JVM 中解释执行。然而，由于解释执行每次都需要逐条翻译字节码指令为机器指令，这种方式效率较低。为了解决性能问题，JIT 编译器在程序运行时将热点代码编译为机器码，从而提高运行效率。JIT 编译器是 Java“编译型”和“解释型”语言的结合特性的重要体现之一。
Python 检测人脸筛选指定尺寸人脸图片
刚刚入门的小码农
09-09 688
主要功能是处理一个指定文件夹中的所有图像文件（.jpg和.png），并根据图像中检测到的人脸特征，筛选和移动符合条件的图像。
pyskl PoseC3d
07-27
pyskl是一个用于姿势估计的Python库。根据引用\[1\]，可以看出在使用pyskl的PoseC3d模型时，可以通过修改配置文件中的ann_file参数来指定数据集的路径。引用\[2\]中提到了使用bash命令来进行训练，具体的命令是"bash tools/dist_train.sh configs/posec3d/c3d_light_gym/joint.py 1"。而引用\[3\]中提到了修改pip安装镜像源的方法，以及创建新环境并指定Python版本的步骤。 #### 引用[.reference_title] - *1* *3* [linux下 pyskl环境（PoseConv3D）的配置--从零开始的保姆级教程](https://blog.csdn.net/sprouting_99/article/details/127418142)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [基于pyskl的poseC3D训练自己的数据集](https://blog.csdn.net/qq_33047753/article/details/124930804)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
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