文件名称：GCN-NAS:AAAI2020“用于通过神经搜索进行基于骨骼的人体动作识别的学习图卷积网络”的源代码
文件大小：67KB
文件格式：ZIP
更新时间：2024-03-28 05:29:06
human-action-recognition gcn-nas Python
GCN-NAS PyTorch源代码，“”，AAAI2020 要求 python包 pytorch = 0.4.1 火炬视觉> = 0.2.1 资料准备 从和下载原始数据。 并预处理数据。 用预处理数据 python data_gen/ntu_gendata.py python data_gen/kinetics-gendata.py. 使用以下命令生成骨骼数据： python data_gen/gen_bone_data.py 模型训练 在这里，您可以训练通过我们的方法搜索的模型。 为不同的配置配置配置文件。 例如，corss-view协议下的训练模型： python main.py --config ./config/nturgbd-cross-view/train_joint.yaml 模型评估 使用其协议更改对应日期集的配置文件。 python main.py -
【文件预览】：
GCN-NAS-master
----graph()
--------ntu_rgb_d.py(2KB)
--------tools.py(638B)
--------__init__.py(68B)
--------kinetics.py(3KB)
----README.md(2KB)
----gcn_search.py(23KB)
----data_gen()
--------kinetics_gendata.py(6KB)
--------merge_joint_bone_data.py(575B)
--------rotation.py(2KB)
--------preprocess.py(3KB)
--------ntu_gendata.py(6KB)
--------sbatch.sh(223B)
--------gen_bone_data.py(2KB)
--------gen_motion_data.py(850B)
----model()
--------agcn3.py(30KB)
--------ES.py(17KB)
--------agcn_fusion.py(19KB)
--------agcn_c.py(17KB)
--------agcn_srchannel.py(13KB)
--------agcn.py(22KB)
--------agcn_search.py(16KB)
--------__init__.py(65B)
--------architect.py(4KB)
--------samplers.py(3KB)
----main.py(21KB)
----config()
--------nturgbd-cross-subject()
--------nturgbd-cross-view()
--------kinetics-skeleton()
----feeders()
--------tools.py(5KB)
--------feeder.py(7KB)
--------__init__.py(66B)
--------feeder_s.py(7KB)
--------feederBoth.py(7KB)