SGN：语义引导神经网络用于高效的人体骨架动作识别安装与使用指南

本指南将帮助您了解并使用微软发布的SGN（Semantics-Guided Neural Networks），这是一个基于人体骨架数据高效进行动作识别的开源项目。以下内容包括项目的核心结构、启动文件以及配置文件的相关介绍。

1. 项目目录结构及介绍

SGN项目遵循清晰的组织结构，主要目录和文件如下：

• 根目录：

  • CODE_OF_CONDUCT.md: 开发者行为准则。
  • LICENSE: MIT许可协议，说明了代码的使用权限和限制。
  • README.md: 项目概述和快速入门指导。
  • SECURITY.md: 安全相关信息。
  • data/, images/, results/NTU/SGN/: 数据、示例图片和实验结果存放地。
  • *.py: 各种Python脚本文件，包括主程序 (main.py), 数据处理 (data.py), 模型定义 (model.py) 等。

• 关键文件：

  • main.py: 应用的入口点，包含了训练与测试的主要逻辑。
  • model.py: SGN模型的实现，引入关节类型和帧索引等语义信息增强特征表示。
  • data.py: 处理数据集的脚本，比如NTU60 RGB+D数据集的预处理。

2. 项目的启动文件介绍

main.py

此文件是项目运行的核心，支持两种模式：训练 (--train 1) 和测试 (--train 0)。通过命令行参数，您可以指定不同的网络配置（例如，使用SGN模型），案例（如交叉验证或摄像机设置），以及其他自定义选项。要开始训练SGN模型，您可以运行如下命令：

python main.py --network SGN --train 1 --case 0

这将在Cross-Subject (CS) 设置下开始训练。对于Cross-View (CV) 设置，则应将--case参数改为1。

3. 项目的配置文件介绍

SGN项目并没有明确列出一个独立的配置文件，而是通过命令行参数来定制化配置。因此，配置主要是动态进行的，通过在运行main.py时传递不同的标志和值实现。例如，网络类型(--network), 训练与否(--train), 以及特定案例(--case)等都是配置的一部分。

如果您想要调整模型的具体细节或进行更复杂的配置管理，通常的做法是在main.py内部或者创建专门的配置类/模块来封装这些设定，尽管当前实现中没有直接提供这样的配置文件。为了适应个性化需求，开发者可能需要直接修改源码中的相关参数或增加自己的配置逻辑。

---

以上就是关于SGN项目的简单介绍，按照上述步骤，您应该能够成功启动项目，并进行基本的训练和测试操作。记住，在深入研究或修改项目之前，确保熟悉PyTorch框架和基础的数据科学知识，以便更好地理解和利用该项目。