实际上,本文提出模通过不断堆叠ST-GCN从图结构输入中持续提取高级的语义特征,具体如下: self.st_gcn_networks=nn.ModuleList(( st_gcn(in_channels,64,kernel_size,1,residual=False,**kwargs0), st_gcn(64,64,kernel_size,1,**kwargs), st_gcn(64,64,kernel_size,1,**kwargs), st_gcn(64,64,ke...
bash/content/st-gcn-master/tools/get_models.sh# 如果这个不管用就去上面我给的老哥的文章中找到模型,下载再上传到对应的位置(在st-gcn-master下的models里)。 7、运行demo !python main.py demo--video/content/st-gcn-master/resource/media/cuk2.mp4--openpose/content/openpose/build 这里我报了一个yaml...
python main.py demo --video /content/st-gcn/resource/media/ta_chi.mp4 --openpose /content/openpose/build 然后就会出现结果了: 现实预测结果是tai_chi,可视化完成,并且把结果保存在 ./data/demo_result/ta_chi.mp4. 我们把它下载到本地,然后打开。 复现成功!!! 也可以换一个视频测试一下,比如执行 !p...
STGCN模型文件 图卷积必备模型文件(已更新),结果比原始有优化 包括三种模型文件:st_gcn.kinetics.pt、st_gcn.ntu-xsub.pt、st_gcn.ntu-xview.pt openpose获取姿态文件,可采用新的姿态估计模型,好的姿态数据对动作识别会有提升 双流法对结果也会有优化,但目前结合的不够理想 stgcn在谷歌云盘复现:https://blog...
使用self-attention进行交通预测。交通预测任务在STGODE、DGCRN、StemGNN、HGCN博文中已经介绍,不再赘述。 Challenge 此文首先指出了之前基于GCN的文章都使用固定的静态路网并没有考虑到路网的动态变化性。虽然GaAN使用注意力机制动态的计算每个时间片的空间关系,但是却忽略了流量的方向性同时也没有利用已知的图结构信息...
从论文所提供的实验结果,结合我其它的复现结果,整体来看,CL4ST准确率与STAEformer和TPGNN相当,略差于PDFormer和TrendGCN,优于其它模型如Graph WaveNet、AGCRN等。准确率还不错。 从速度上看,单看PEMS04(论文只给了这个数据集的超参数设置),CL4ST是最慢的 7h40min,对比起来STAEFormer是1h30min,PDFormer是6h30...
复现st-gcn(win10+openpose1.5.1+VS2017+cuda10+cudnn7.6.4),程序员大本营,技术文章内容聚合第一站。
利用openpose提取自建数据集骨骼点训练st-gcn,复现st-gcn 0、下载st-gcn 参考: gitbub上fork后导入到gitee快些: st-gcn下载 也可以直接下载zip文件后解压 1、处理准备自己数据集 数据集要求将相同类别的视频放到同一文件夹,我这里用到一个较老的数据集:training_lib_KTH.zip,六种行为放到六个不同文件夹。