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
- 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
- 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
- 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
- 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。
- 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。
- 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。
- 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。