【亲测免费】 用自建kinetics-skeleton行为识别数据集训练st-gcn网络流程记录

本资源文件详细记录了如何使用自建的kinetics-skeleton行为识别数据集来训练st-gcn网络的完整流程。通过本资源，您可以了解从视频裁剪、骨骼点数据提取到最终模型训练和可视化的每一个步骤。

内容概述

1. 准备工作

   • 配置st-gcn网络的运行环境
   • 下载并裁剪视频
   • 利用OpenPose提取骨骼点数据，制作kinetics-skeleton数据集

2. 训练st-gcn网络

   • 使用自建的kinetics-skeleton数据集进行模型训练
   • 调整配置文件以适应自建数据集

3. 用自己训练的st-gcn网络跑demo并可视化

   • 修改st-gcn源码中的demo脚本
   • 可视化训练结果

使用说明

1. 环境配置

   • 确保已安装Python、PyTorch、OpenPose等相关依赖库。
   • 参考文章中的环境配置部分，确保所有依赖项正确安装。

2. 数据准备

   • 下载并裁剪视频，确保视频长度为5-8秒。
   • 使用OpenPose提取视频中的骨骼点数据，并按照kinetics-skeleton数据集的格式整理数据。

3. 模型训练

   • 运行训练脚本，开始训练st-gcn网络。
   • 根据需要调整配置文件中的参数，如模型名称、类别数量等。

4. 结果可视化

   • 修改demo脚本，使用训练好的模型进行行为识别。
   • 可视化识别结果，验证模型的准确性。

注意事项

• 在数据准备阶段，确保视频裁剪和骨骼点提取的准确性，以提高模型训练效果。
• 在模型训练过程中，根据实际情况调整超参数，以获得最佳的训练效果。
• 在结果可视化阶段，确保修改的demo脚本与训练的模型参数一致，以避免错误。

通过本资源文件，您可以系统地了解并实践如何使用自建数据集训练st-gcn网络，从而提升行为识别的准确性和效率。