基于PaddleVideo的花滑骨骼点动作识别2s-AGCN配置文件节点流配置文件2s-agcn_ntucs_joint_fsd.yamlMODEL字段DATASET字段PIPELINE和INFERENCE

Two-streamadaptivegraphconvolutionalnetworksforskeleton-basedactionrecognition论文下载：https://arxiv.org/pdf/1805.07694.pdf论文代码：https://github.com/lshiwjx/2s-AGCN

Skeleton-BasedActionRecognitionwithMulti-StreamAdaptiveGraphConvolutionalNetworks论文下载：https://arxiv.org/pdf/1912.06971.pdf论文代码：https://github.com/lshiwjx/2s-AGCN

论文题目：Two-StreamAdaptiveGraphConvolutionalNetworksforSkeleton-BasedActionRecognition基于骨架的双流自适应图卷积网络动作识别2s-AGCN

这里写目录标题资料过去问题主要贡献自适应图卷积层自适应图卷积块自适应图卷积网络双流网络资料论文：论文源码：代码过去问题图的拓扑是手动设置的，并且固定在所有图层和输入样本上骨骼数据的二阶信息（骨骼的长度和方向）对于动作识别自然是更有益和更具区分性的，在现有方法中很少进行研究。ST-GCN图形构建过程中三个缺点：1.使用的骨架图是启发式预定义的，仅表示人体物理结构，对动作识别不是最佳。例如读书和拍手，

一,大致框架二,零散的代码学习一,大致框架data-get(N,C,T,V,M)(已经包含时间和空间信息)(样本数，channel，时间帧数，num_node,人数)。joint_data；-graph_spatial（A）-(agcn.py)model(A,B,C;AGCN)-（main.py）train-test-softmaxscoreabone_data；-graph_spatial（A）

在win10上用pycharm复现2s-AGCN论文程序，在环境和文件路径都调通之后在终端里输入pythonmain.py--config.

【2022.3.22更新】论文方法笔记参考：【论文阅读笔记】（2s-AGCN）Two-StreamAdaptiveGraphConvolutionalNetworksforSkeleton-BasedActionRecognit

这篇论文主要是提出了一个双流自适应图卷积网络（2s-AGCN）。顾名思义，可以看出论文的两个主要创新点：双流。骨架数据的二阶信息被

2022.4.19结果更正，原函数得到的混淆函数存在问题，用自己写的函数绘制结果并不是A3和A4，而是A30和A12,以及A11和A121.运行2s-AGCN双流自适应图卷积网络有现成的开源代码，使用NTU-RGBD

拖到了2s-AGCN的解读博客我都写完好久了，ST-GCN的还是没出来。。。解读2s-AGCN代

文章目录前言总览一、IntroductionST-GCN缺点AGCN主要贡献二、Relatedwork2.1Skeleton-basedactionrecognition（骨架动作识别）2.2Graphconvolutionalneuralnetworks（图卷积网络）三、GraphConvolutionalNetworks3.1Graphconstruction（图的构建）3.2Graphcon

基于骨架的动作识别近年来一直是计算机视觉和深度学习领域中的一个研究热点，而ST-GCN属于是一篇开山之作，许多地方做的比较基础所以有很多可以提升的地方，之后的2S-AGCN还有ST-GCN++等都是基于它的改进

基于骨架的动作识别近年来一直是计算机视觉和深度学习领域中的一个研究热点，而ST-GCN属于是一篇开山之作，许多地方做的比较基础所以有很多可以提升的地方，之后的2S-AGCN还有ST-GCN++等都是基于它的改进

Skeleton-basedActionRecognitionwithDirectedGraphNeuralNetworks》这一篇论文总体上，我觉得写的是很有逻辑调理，创新点也很清晰，基本是对于ST-GCN和2s-AGCN

  Skeleton-BasedActionRecognitionwithDirectedGraphNeuralNetworks是LeiShi等人的另一篇文章，和之前的2s-AGCN以及Skeleton-BasedActionRecognitionwithMulti-StreamAdaptiveGraphConvolutionalNetworks

论文题目《基于双流结构的自适应图卷积网络的骨骼姿态识别》引言1.引言作者提出了双流自适应图卷积（2s-AGCN），在两个2个数据集上进行了大量的实验，都实现了最先进的性能。

Two-StreamAdaptiveGraphConvolutionalNetworksforSkeleton-BasedActionRecognition双流自适应图卷积网络用于基于骨架的动作识别论文地址：https://arxiv.org/abs/1805.07694源码：https://github.com/lshiwjx/2s-AGCN

paper：2s-AGCNcode:2s-AGCN摘要在基于骨架的动作识别中，将人体骨架建模为时空图的图形卷积网络（GCN）取得了显著的效果。