ST-GCN训练自建数据集

青年夏日科技

已于 2022-05-22 21:17:08 修改

阅读量3.1k

点赞数 3

文章标签： caffe 深度学习 python

于 2022-05-11 00:09:55 首次发布

本文链接：https://blog.csdn.net/sinat_28371057/article/details/124700853

版权

本文详细介绍了如何在自建数据集上训练ST-GCN模型，包括安装环境、数据集转换、标签处理、代码修改以及训练过程中的问题解决。涉及的数据集转换工具包括openpose和caffe，同时提供了多个参考资源链接帮助读者解决问题。

摘要由CSDN通过智能技术生成

参考了许多博文，慢慢地也就把st-gcn跑出来了，参考的文章一会附在文章里面，实测有用。

1.安装st-gcn

2.准备训练数据集

官方使用的是Kinetics-skeleton和NTU RGB+D两个数据集来训练网络，如果是自制数据集，我们需要将自己的训练集先转换为这两个数据集的格式，然后再转化为st-gcn所需要的格式。

那么如何将自己的训练集转换成这两个数据集的格式呢？

1）直接在st-gcn的程序里跑自己的数据

运行st-gcn：

python main.py demo_old --video E:/st-gcn/resource/media/数据集名称/running.mp4 --openpose E:/openpose/build/bin

跑出来的json文件可以在st-gcn文件里获取到，单帧和一个视频所有帧都有。文件位置在data/openpose_estimation，data里是所有帧json文件，snippets是单帧json文件。

2）更改标签与标签序号

此时，存在的问题是json文件末尾的"label"："unknow"&

关注