复现st-gcn(win10+openpose1.5.1+VS2017+cuda10+cudnn7.6.4)

大概步骤分两步:编译openpose+安装运行st-gcn

一、准备工作

安装VS2017,cuda10,cudnn7.6.4(注意顺序不能变)
1、安装VS2017
需要注意的是,安装的时候默认路径,以免出现错误。其余正常安装就可以了。
在这里插入图片描述
2、安装cuda10

✳安装时要自定义安装,不要精简安装。cuda最后一项不要勾选。
3、安装cudnn
下载得到的文件,按照对应文件夹,把里面的内容复制粘贴到cuda文件夹中。cuda文件夹位置:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0。
在这里插入图片描述

二、编译openpose

1、下载openpose文件
下载source code,解压至无中文名且根目录少的文件夹下
在这里插入图片描述

2、下载模型
解压后 创建一个build空文件夹
执行3rdparty\windows文件夹里的getCaffe.bat、getCaffe3rdparty.bat、getFreeglut.bat、getOpenCV.bat 一共四个bat
然后执行\models 里的getModels.bat 进行模型下载(可以用迅雷帮助下载,下载速度可以快一点)
在这里插入图片描述
3、开始编译
下载CMAKE-GUI
在这里插入图片描述
点击左下角的Configure 按钮 配置如图
在这里插入图片描述
Configuring done之后,会出现红色选项框,建议选择所有模型,因为COCO 和MPI 模型相对BODY_25较为简化,可加快运行速度。(在这个之前要下载好之前索要下载的模型,要放在对应文件夹下,才会速度快些)
还要注意的是,现在不要勾选BUILD_PYTHON,等C++编译完成之后在回到CMAKE中勾选,然后再次重新生成。不然可能会出现错误。
在这里插入图片描述
点击Generate,等待生成,done之后,点击open project。
在这里插入图片描述
VS2017自动打开方案
右键点击OpenPoseDemo设为启动项,将Debug改为Release,点击生成。
接下来,就可以运行C++文件了,先设置成启动项,在运行(本地windows调试)。
5、运行结果
在这里插入图片描述

三、安装运行st-gcn

参考博客:https://blog.csdn.net/weixin_42661709/article/details/105056325
就按照步骤来就可以了。
在过程中没有遇到什么问题。祝愿大家都可以顺利复现。

参考博客:
[https://blog.csdn.net/xuelanlingying/article/details/102793110](https://blog.csdn.net/xuelanlingying/article/details/102793110)https://blog.csdn.net/weixin_42661709/article/details/105056325https://blog.csdn.net/weixin_42661709/article/details/105056237

  • 4
    点赞
  • 43
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
ST-GCN(Spatial Temporal Graph Convolutional Networks)是一种用于人体动作识别的深度学习模型,其源码解析可以分为以下几个方面。 首先,ST-GCN是基于图卷积神经网络(GCN)的一种扩展模型,在处理视频序列时,将每一帧的姿势数据(通常使用OpenPose进行姿势估计)建模为图结构,其中节点对应关键点,边表示节点之间的空间关系。源码中主要包含了构建图结构的代码,包括节点的定义、边的连接方式以及图结构的转换。 其次,ST-GCN引入了时序关系建模,以利用动作序列的时间信息。源码中涉及到的关键部分是时序卷积层的实现,对于每一个节点,通过聚合邻居节点的特征信息来更新当前节点的特征表示,从而实现对时序关系的建模。此外,还包括了一些预处理方法,如时间差分和层间残差等,用于增强模型的表达能力。 再次,ST-GCN还包含了一些辅助模块,用于提取更丰富的时空特征。例如,源码中提供了一个ST-GCN的变种模型,引入了多尺度特征融合的机制,通过将不同尺度的特征进行融合,提高了模型的鲁棒性和泛化能力。 最后,源码中还包括了一些训练和测试的相关代码,用于对ST-GCN模型进行训练和评估。这部分代码主要包括了数据加载、模型的构建、损失函数的定义以及优化器的选择等。 总之,ST-GCN源码解析涉及了构建图结构、时序关系建模、辅助模块和训练测试等方面,通过对这些代码的解析,可以深入理解ST-GCN模型的原理和实现细节。
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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