PYSKL：面向骨骼动作识别的良好实践
计算机视觉与模式识别
2022-05-20 v1
摘要
我们提出 PYSKL：一个基于 PyTorch 的、用于基于骨骼的动作识别的开源工具箱。该工具箱支持多种基于骨骼的动作识别算法，包括基于 GCN 和 CNN 的方法。与仅包含一两种算法的现有开源骨骼动作识别项目不同，PYSKL 在统一框架下实现了六种不同算法，并采用最新和原有的良好实践以简化效能与效率的比较。我们还提供了一个名为 ST-GCN++ 的基于 GCN 的原始骨骼动作识别模型，该模型无需任何复杂注意力机制即取得有竞争力的识别性能，可作为强基线。同时，PYSKL 支持九个基于骨骼的动作识别基准的训练与测试，并在其中八个上取得最先进的识别性能。为促进未来骨骼动作识别研究，我们还提供了大量训练好的模型和详细基准结果以给出一些见解。PYSKL 发布于 https://github.com/kennymckormick/pyskl 并活跃维护。当我们添加新特性或基准时将更新本报告。当前版本对应 PYSKL v0.2。
引用
@article{arxiv.2205.09443,
title = {PYSKL: Towards Good Practices for Skeleton Action Recognition},
author = {Haodong Duan and Jiaqi Wang and Kai Chen and Dahua Lin},
journal= {arXiv preprint arXiv:2205.09443},
year = {2022}
}
备注
Tech Report