【亲测免费】 PYSKL：基于骨骼数据的行动识别工具箱

项目基础介绍与主要编程语言

PYSKL 是一个利用 Python 和 PyTorch 深度学习框架开发的开源工具箱，专注于骨架数据上的行动识别任务。它构建在 MMAction2 开源项目之上，提供了一套全面的方法来支持多种骨架基础的行动识别算法。此项目的重点在于促进研究者和开发者在人体骨架动作分析领域的创新与应用。

核心功能

PYSKL 的核心功能包括但不限于：

• 支持多种骨骼动作识别算法，如 ST-GCN、ST-GCN++、PoseConv3D 等。
• 兼容多个骨骼数据集，覆盖 NTURGB+D、NTURGB+D 120、Kinetics 400 等。
• 实现了从预处理到模型训练、测试的全链路工具，包括骨骼数据的提取与可视化。
• 支持分布式训练配置，便于在多GPU环境下的高效计算。
• 提供实时手势识别的演示例程，基于ST-GCN++实现。

最近更新的功能

• 非分布式骨骼提取的支持：现在允许进行非分布式提取，并增加了对 k400 风格的支持（2023年3月20日）。
• PyTorch 2.0兼容性：引入了通过命令行参数 --compile 来启用模型编译的功能，当检测到PyTorch版本为2.0及以上时自动激活，这是一个实验性特性（2023年3月16日）。
• 实时手势识别演示：新增了一个基于ST-GCN++的实时手势识别示例程序，为用户提供更直观的应用实例（2023年2月10日）。
• 模型推理速度估计脚本：提供了便捷的脚本来评估不同模型的推断速度（2022年12月30日）。

---

PYSKL 以其强大的功能、易于使用的接口及对最新技术的支持，成为了骨架动作识别领域的一个重要工具，无论是对于学术研究还是工业应用，都是一个值得探索的选择。