2s-AGCN 项目使用教程

2s-AGCN 项目使用教程

2s-AGCN Two-Stream Adaptive Graph Convolutional Networks for Skeleton-Based Action Recognition in CVPR19 项目地址: https://gitcode.com/gh_mirrors/2s/2s-AGCN

1. 项目目录结构及介绍

2s-AGCN/
├── config/
│   ├── ntu/
│   │   ├── cross-view/
│   │   │   ├── train_joint.yaml
│   │   │   ├── train_bone.yaml
│   │   │   ├── test_joint.yaml
│   │   │   ├── test_bone.yaml
│   ├── kinetics/
│   │   ├── train_joint.yaml
│   │   ├── train_bone.yaml
│   │   ├── test_joint.yaml
│   │   ├── test_bone.yaml
├── data/
│   ├── ntu_gendata.py
│   ├── kinetics_gendata.py
│   ├── gen_bone_data.py
├── feeders/
│   ├── feeder.py
├── graph/
│   ├── graph.py
├── model/
│   ├── model.py
├── .gitignore
├── LICENSE
├── README.md
├── ensemble.py
├── main.py

目录结构介绍

• config/: 包含项目的配置文件，分为 ntu 和 kinetics 两个子目录，分别对应不同的数据集。每个子目录下有训练和测试的配置文件。
• data/: 包含数据预处理的脚本，如 ntu_gendata.py 和 kinetics_gendata.py，以及生成骨骼数据的脚本 gen_bone_data.py。
• feeders/: 包含数据加载器的实现文件 feeder.py。
• graph/: 包含图卷积网络的实现文件 graph.py。
• model/: 包含模型的实现文件 model.py。
• .gitignore: Git 忽略文件配置。
• LICENSE: 项目许可证文件。
• README.md: 项目介绍和使用说明。
• ensemble.py: 用于集成关节和骨骼数据的脚本。
• main.py: 项目的启动文件。

2. 项目启动文件介绍

main.py

main.py 是项目的启动文件，负责加载配置文件、初始化模型、训练和测试模型。以下是主要功能介绍：

• 加载配置文件: 通过 --config 参数指定配置文件路径，如 python main.py --config ./config/ntu/cross-view/train_joint.yaml。
• 训练模型: 根据配置文件中的参数进行模型训练。
• 测试模型: 生成测试结果，并保存 softmax 层的分数。

3. 项目的配置文件介绍

config/ 目录下的配置文件

• train_joint.yaml: 用于训练关节数据的配置文件。
• train_bone.yaml: 用于训练骨骼数据的配置文件。
• test_joint.yaml: 用于测试关节数据的配置文件。
• test_bone.yaml: 用于测试骨骼数据的配置文件。

配置文件示例

# train_joint.yaml
dataset: ntu
mode: train
batch_size: 64
learning_rate: 0.001
num_epochs: 100

配置文件参数说明

• dataset: 指定数据集，如 ntu 或 kinetics。
• mode: 指定运行模式，如 train 或 test。
• batch_size: 批处理大小。
• learning_rate: 学习率。
• num_epochs: 训练轮数。

通过配置文件，用户可以灵活调整训练和测试的参数，以适应不同的需求。

2s-AGCN Two-Stream Adaptive Graph Convolutional Networks for Skeleton-Based Action Recognition in CVPR19 项目地址: https://gitcode.com/gh_mirrors/2s/2s-AGCN