ST-GCN复现以及配置环境遇到的问题(Colab)

ST-GCN复现以及配置环境遇到的问题(Colab)

ST-GCN介绍:解读:基于动态骨骼的动作识别方法ST-GCN(时空图卷积网络模型)_浪浪的博客-CSDN博客

这里我就不多介绍了,大家可以别的地方看看。这里我主要介绍复现过程遇到的坑。由于本人电脑比较辣鸡,在本地跑程序的时候环境出现了很多问题。所以只能去colab跑程序,优势有很多,首先有免费的GPU,第二环境配置出现问题较少,第三速度快。

本次实验是在colab(要科学上网)的基础上跑的,所以本地电脑会出现哪种状况我就不晓得了。

废话不多说,先上 github:Niki173/st-gcn

这里我是转载这个大神的github:https://github.com/1zgh/st-gcn

之前我用过两个链接都无法实现:https://github.com/yysijie/st-gcn(这个网上指导帖子比较多,但是我就差最后一步没有复现出来)

https://github.com/open-mmlab/mmskeleton(这个网上指导帖子比较少,我自己捣鼓了几次,果断放弃)

当然你们也可以试一下他们的方法,也许是我太菜了,你们可以复现出来。

首先是配置openpose,这个是真的非常难搞,我一大半的时间都是花在配置openpose环境的问题上,后来看到有个帖子试了一下,效果还是可以的。https://colab.research.google.com/github/tugstugi/dl-colab-notebooks/blob/master/notebooks/OpenPose.ipynb,但是有一个非常奇怪的现象,我刚开始以为是只要用到第一个cell,所以我只是复制了第一个cell过去我的ipynb,但是它配置环境的时候就会缺很多东西,导致后面无法运行(试了好多次,还没醒悟)。后来我是直接复制它这个ipynb,
ST-GCN复现以及配置环境遇到的问题(Colab)_第1张图片

点击复制到云端硬盘。然后只需要运行第一个cell,就是这个
ST-GCN复现以及配置环境遇到的问题(Colab)_第2张图片

ST-GCN复现以及配置环境遇到的问题(Colab)_第3张图片

出现了这个就说明openpose配置成功了

然后再执行其他命令。

接下来的程序是借鉴这个大神的文章:配置ST-GCN环境记录【Google colab】_ghw/article/details/107610136
但是他用的github:https://github.com/yysijie/st-gcn,刚开始我就是完全按照他的步骤走,还是卡死再最后一步。

所以我换了文章开头那个github,但是居然能跑通,我也觉得很奇怪。

1.先安装cuda,还有ubuntu等环境

!wget https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64-deb
!dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64-deb # 安装软件包:dpkg -i <.deb file name>
!apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub # 下载的文件添加到本地数据库
!apt-get update
!apt-get install cuda=9.0.176-1
  1. 安装torchvision
!pip install torchvision==0.2.0

3.安装环境所需的其他python库

 !pip install -r /content/st-gcn/requirements.txt
  1. 安装ffmpeg
!sudo apt-get install ffmpeg
  1. 安装torchlight
 %cd /content/st-gcn/torchlight
 !python setup.py install
 %cd ..
  1. 获取预训练模型
!bash /content/st-gcn/tools/get_models.sh
  1. 安装PyYAML(如果不安装就会出现如下情况:AttributeError: module ‘yaml’ has no attribute 'FullLoader’AttributeError: module ‘yaml’ has no attribute ‘FullLoader’)
!pip install -U PyYAML
  1. clone本次实验的代码
!git clone Niki173/st-gcn

9.执行检测代码

!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。
ST-GCN复现以及配置环境遇到的问题(Colab)_第4张图片

复现成功!!!
也可以换一个视频测试一下,比如执行

!python main.py demo --video /content/st-gcn/resource/media/skateboarding.mp4 --openpose /content/openpose/build

ST-GCN复现以及配置环境遇到的问题(Colab)_第5张图片

大功告成。

你可能感兴趣的:(ST-GCN,视频检测,骨架检测,人工智能,深度学习,python)