English | 简体中文
ST-GCN是AAAI 2018提出的经典的基于骨骼的行为识别模型，通过将图卷积应用在具有拓扑结构的人体骨骼数据上，使用时空图卷积提取时空特征进行行为识别，极大地提升了基于骨骼的行为识别任务精度。
我们对ST-GCN模型进行了优化，并实现了精度更优的PP-AGCN模型，详见PP-AGCN基于骨骼的行为识别模型.
FSD-10数据下载及准备请参考FSD-10数据准备
- FSD-10数据集使用单卡训练，启动命令如下:
python3.7 main.py -c configs/recognition/stgcn/stgcn_fsd.yaml-
由于赛事未提供验证集数据，因此训练时不做valid。
-
您可以自定义修改参数配置，以达到在不同的数据集上进行训练/测试的目的，参数用法请参考config。
- 训练完成后，模型测试的启动命令如下：
python3.7 main.py --test -c configs/recognition/stgcn/stgcn_fsd.yaml -w output/STGCN/STGCN_epoch_00060.pdparams-
通过
-c参数指定配置文件，通过-w指定权重存放路径进行模型测试。 -
评估结果保存在submission.csv文件中，可在评测官网提交查看得分。
模型在FSD-10数据集上baseline实验精度如下:
| Test_Data | Top-1 | checkpoints |
|---|---|---|
| Test_A | 70.0 | STGCN_fsd.pdparams |
| Test_B | 61.33 | - |
- Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition, Sijie Yan, Yuanjun Xiong, Dahua Lin