!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
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...
同时,作者还引入了残差结构(一个CNN+BN)计算获得Res,与GCN的输出按位相加,实现空间维度信息的聚合。 利用TCN网络(实际上是一种普通的CNN,在时间维度的kernel size>1)实现时间维度信息的聚合。 上述ST-GCN模块的代码实现如下: defforward(self,x,A): res=self.residual(x) x,A=self.gcn(x,A) x=self.tcn...
51CTO博客已为您找到关于st-gcn的相关内容,包含IT学习相关文档代码介绍、相关教程视频课程,以及st-gcn问答内容。更多st-gcn相关解答可以来51CTO博客参与分享和学习,帮助广大IT技术人实现成长和进步。
另外此文是没有放出源码的,我自己实现了一下,但是效果和文章还是有差距。 Preliminary 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...
毕业设计-基于自适应图卷积网络的人体动作识别系统python源码+使用说明.zip毕业设计-基于自适应图卷积网络的人体动作识别系统python源码+使用说明.zip 动态构建人体骨架拓扑图, 将拓扑图送入ST-GCN进行动作识别。 Getting Started - 运行MMSKeleton工具包参考[GETTING_STARTED.md](./doc/GETTING_STARTED.md) - 单独使用...
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...
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。
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。
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。 用于st-gcn训练的数据集视频帧数不要超过300帧,5~6s的视频时长比较好,不要10...