ST-GCN 使用+复现

最新推荐文章于 2024-05-07 15:03:13 发布
最新推荐文章于 2024-05-07 15:03:13 发布
阅读量1.4w 收藏 119
点赞数 11
文章标签： ST-GCN 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/weixin_42285497/article/details/102564356
版权
ST-GCN 使用+复现下载所需数据集 Kinetics 与 NTU-RGB+DKinetics(百度云)下载地址NTU-RGB+D (their website) (Only the 3D skeletons(5.8GB) modality is required in our experiments)stgcn官方使用了Kinetics-skeleton和NTU RGB+D...
摘要由CSDN通过智能技术生成 
   ST-GCN 使用+复现
  1. 下载所需数据集 Kinetics 与 NTU-RGB+D
    Kinetics(百度云)下载地址
    NTU-RGB+D (their website) (Only the 3D skeletons(5.8GB) modality is required in our experiments)

stgcn官方使用了Kinetics-skeleton和NTU RGB+D两个数据集来进行训练,我们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stgcn的格式,或者直接转化为stgcn的格式.
After uncompressing, rebuild the database by this command:

python tools/kinetics_gendata.py --data_path <path to kinetics-skeleton>

After that, this command should be used to build the database for training or evaluation:

python tools/ntu_gendata.py --data_path <path to nturgbd+d_skeletons>

where the <path to n

最低0.47元/天 解锁文章
Queen B
关注
  • 11
    点赞
  • 踩
  • 119
    收藏
    觉得还不错? 一键收藏
  • 33
    评论
ST-GCN论文简读以及复现
如果想成为中心，那么就到中心去吧。
10-14 3126
code: https://github.com/yysijie/st-gcn 文章目录普通卷积与图卷积普通卷积图卷积数据输入数据结构数据预处理图划分策略网络结构复现 普通卷积与图卷积 普通卷积 在理解图卷积之前，需要认识一下传统的卷积。对于一个3×3的卷积操作而言，相当于把3×3的卷积核在图像上滑动。每一次会有对应的9个数字相乘之后相加，然后得到一个最终的值。 在这里，换一个角度来看，图像上的每一个数字都是一个特征，而卷积的操作，是以一个像素点为中心，将其周围的8个点连同它自己的特征加权（卷积核的值）后.
ST-GCN 论文解读
一杯水果茶！足矣~
04-09 1952
通过将图神经网络扩展到时空图模型，设计一种用于动作识别的骨架序列的通用表示，称为时空图卷积网络(ST-GCN)。
ST-GCN复现的全过程（详细）
m0_56698268的博客
05-16 1万+
目录 提前工作 服务器 本机环境 数据集 运行逻辑 第一步 处理数据集 第二步训练网络 第三步 测试 总结的问题 提前工作 服务器 我其实复现了2次，第一次是用的3070，第二次尝试了并行超算云服务器，里面有8张 A100。两个都是采用了本机远程ssh连接服务器跑。（超算云服务器跑ST-GCN的一些配置可以之前写的博客：并行超算云直连SSH，Pycharm运行ST-GCN_Eric加油学！的博客-CSDN博客） 本机环境 第一次完整复现过程是在win的vscode上，p...
ST-GCN模型详解（+openpose）
qq_74722169的博客
04-18 2780
ST-GCN应当具备能够从时空维度提取特征的能力，其在GCN中的表现就是能够同时聚合时空维度的信息，如下图所示。其具体网络层如图所示：步骤1：引入一个可学习的权重矩阵（与邻接矩阵等大小）与邻接矩阵按位相乘。该权重矩阵叫做“Learnable edge importance weight”，用来赋予邻接矩阵中重要边（节点）较大的权重且抑制非重要边（节点）的权重。步骤2：将加权后的邻接矩阵与输入送至GCN中进行运算。
AAAI2018||ST-GCN：Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition
qq_36756312的博客
11-16 5214
在本博客中，我将对骨架动作识别任务中应用图卷积的开山之作ST-GCN进行重述，其中会参杂个人的理解。本篇博客内容为本人研究生阶段结课作业与论文部分内容，因此改进部分暂时未上传；本篇博客旨在于广大同学一起分享讨论于进步，请勿私自转载。 在文末将会对ST-GCN中的图卷积代码进行图画阐述。后续可能会更新代码讲解。 一、摘要 在基于骨架的动作识别任务中，动态的人体骨架具有该任务所需的重要信息，然而以往传统的方法通常使用手工特征或遍历规则对骨架进行建模，不仅限制了模型表达能力还使得模型泛化困难；因此作者提出了
ST-GCN复现过程（Ubuntu20.04+GPU）（已完结）
weixin_44283270的博客
04-04 2505
ST-GCN复现全过程
ST-GCN的学习之路（二）源码解读 （Pytorch版）
热门推荐
qq_44024204的博客
03-20 2万+
ST-GCN的学习之路（二）源码解读 （Pytorch版）引言代码分析核心代码分析 net网络graph.pyself.get_edgeself.get_hop_distanceself. get_adjacencyst-gcn.py网络的输入网络的结构ST-GCN基本单元tgcn.py其他代码总结博客参考插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰
保姆级在Windows下复现OpenPose+ST-GCN行为识别
最新发布
m0_70694811的博客
05-07 1094
具体原理这里不介绍，大家自行查阅，比如Openpose是个啥？ST-GCN又是个啥？一、默认Openpose已经配置好。
Human-Falling-Detect-Tracks:AlphaPose + ST-GCN + SORT
04-14
人体跌倒检测与追踪使用Tiny-YOLO oneclass... 对于动作识别，使用来自跌倒检测数据集（，家庭）的数据，通过AlphaPose提取骨骼姿势，并手动标记每个动作帧，以训练ST-GCN模型。预训练模型Tiny-YOLO oneclass- ， SPPE
基于时空图卷积（ST-GCN）的骨骼动作识别（python源码+项目说明）.zip
03-24
1、该资源内项目代码都是经过测试运行成功，功能正常的情况下才上传的，请放心下载使用。 2、适用人群：主要针对计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、数学、电子信息等...
STGCN-PyTorch-master.zip_STGCN 代码分析_STGCN pytorch_stgcn_stgcn d
07-15
STGCN（Spatial-Temporal Graph Convolutional Network）是一种深度学习模型，主要应用于时序数据，特别是人体动作识别领域。这个"STGCN-PyTorch-master.zip"压缩包包含了一个基于PyTorch实现的STGCN源码，是IJCAI ...
Kinetics-skeleton\kinetics_val
12-15
Kinetics is a video-based dataset for action recognition which only provide raw video clips without skeleton data. Kinetics dataset include To obtain the joint locations, we first resized all videos to the resolution of 340x256 and converted the frame rate to 30 fps. 太大了，拆成两个上传。
毕业设计，Python基于时空图卷积（ST-GCN）的骨骼动作识别.zip
03-19
这个毕业设计项目主要聚焦于使用Python编程语言，结合时空图卷积网络（Spatial-Temporal Graph Convolutional Networks，简称ST-GCN）进行骨骼动作识别。骨骼动作识别是一种计算机视觉技术，它通过分析人体骨骼关键...
STGCN_IJCAI-18-master_交通流预测_python_stgcn_
09-29
"附带结果图"表明，压缩包可能包含了使用STGCN模型预测交通流后的可视化结果，这些图可能包括预测值与实际值的对比，或者展示了模型在不同时间段和地点的表现，有助于理解和评估模型的性能。 在STGCN_IJCAI-18-...
st-gcn训练自建行为识别数据集
动力中原
07-16 1万+
st-gcn训练自建行为识别数据集代码下载与环境配置准备行为数据 代码下载与环境配置 首先参照下面的命令，下载st-gcn算法的训练代码，配置环境。 git clone https://github.com/yysijie/st-gcn.git cd st-gcn pip install -r requirements.txt cd torchlight python setup.py install cd .. 准备行为数据 训练之前，需要根据kinetics-skleton数据集的格式，提取自建数据集
基于骨架的动作识别方法：ST-GCN
mistydou的博客
02-17 1893
ST-GCN论文阅读
Kinetics-400数据集下载
zugexiaodui的博客
12-18 1万+
炼丹师最重要的是什么？丹啊！！！！没有丹锅烧坏了也炼不出啥来。 为了下载Kinetics-400数据集，我煞费苦心，国内搜了好久都没有搜到资源，用ActivityNet提供的下载程序需要下载原视频一个一个自动剪辑，速度特别慢，很多视频都找不到。终于，一个师兄给了我一丝光明，给我一个dropbox的链接，我费尽千辛万苦下载了下来，解压到服务器里，最终发现要是训练完一个模型一个月都不一定够用/(ㄒo...
清晰图解，一图看懂图卷积GCN、时空图卷积ST-GCN
qq_43601378的博客
06-15 7870
目录1.前言2.普通卷积与图卷积2.1 普通卷积2.2 图卷积3.ST-GCN图卷积的公式解读4 ST-GCN图卷积的代码解读5 参考文献6 联系方式 1.前言 本文为我阅读论文 Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition 和代码后的所思所想，仅代表我个人观点 2.普通卷积与图卷积 2.1 普通卷积 在理解图卷积之前，需要认识一下传统的卷积。对于一个3×3的卷积操作而言，相当于把3×3
动作识别/分类——STGCN（复现方法说明）
luodaxia_ttt的博客
05-16 1万+
本文不涉及对STGCN的理解，仅讲解如何跑通程序。 针对开源项目st-gcn
stgcn pytorch复现
09-14
要复现ST-GCN模型，你需要按照以下步骤进行操作： 1. 首先，确保你已经安装了torch库的0.4.0版本。你可以使用以下命令在终端中安装： ``` sudo pip3 install torch==0.4.0 -f https://download.pytorch.org/whl/cup/stable -i Simple Index ``` 2. 如果你使用的是旧版ST-GCN，请使用以下命令运行模型，并指定视频和Openpose路径： ``` python3 main.py demo_old --video /home/chq/st-gcn/resource/media/test.mp4 --openpose /home/chq/openpose/build ``` 3. 如果你使用的是新版ST-GCN，请使用以下命令运行模型，并指定视频和Openpose路径： ``` python3 main.py demo --openpose '/home/chq/openpose/build' --video '/home/chq/st-gcn/resource/media/skateboarding.mp4' ``` 请注意，以上引用提供了复现ST-GCN模型所需的安装和运行命令，你可以根据你的实际情况进行相应的调整和修改。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 33
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