ST-GCN 使用+复现

   ST-GCN 使用+复现

1. 下载所需数据集 Kinetics 与 NTU-RGB+D
   Kinetics(百度云)下载地址
   NTU-RGB+D (their website) (Only the 3D skeletons(5.8GB) modality is required in our experiments)

stgcn官方使用了Kinetics-skeleton和NTU RGB+D两个数据集来进行训练,我们要将自己的训练集先转换为这两个数据集的格式然后再转化为stgcn的格式,或者直接转化为stgcn的格式.
After uncompressing, rebuild the database by this command:

python tools/kinetics_gendata.py --data_path 

After that, this command should be used to build the database for training or evaluation:

python tools/ntu_gendata.py --data_path 

where the points to the 3D skeletons modality of NTU RGB+D dataset you download.

2.测试
(1) Get pretrained models获取预训练模型
模型下载地址baiduyun
模型下载好之后需要将其放入models文件夹
(2) To evaluate ST-GCN model pretrained on Kinetcis-skeleton, run

python main.py recognition -c config/st_gcn/kinetics-skeleton/test.yaml

3. 训练自己的模型

python main.py recognition -c config/st_gcn//train.yaml [--work_dir ]

处应改为所需要训练的数据集:ntu-xsub, ntu-xviewor kinetics-skeleton.
训练结果包括 model weights, configurations and logging files, 将被存放在./work_dir文件夹下,或者你可以选择想要存放的位置.
work_dir, batch_size, step, base_lrand device这些数据可以自定义数值进行修改.
按照给定train.yaml文件训练提示显存不足,我将batch_size: 256 test_batch_size: 256改为batch_size: 32 test_batch_size: 32.训练结果如下:

mean_loss逐次递减