1.下載數據集，只用到human3.6m數據集中的2D數據集和3D數據集。將數據集劃分為訓練集和測試集。（直接將2D數據集輸入進行訓練，得出的prediction和3D的groundtruth做比較）

2.在數據集中提取數據，得相機參數，2D關鍵點和3D關鍵點。

cameras_valid, poses_valid, poses_valid_2d = fetch(subjects_test, action_filter, dataset, keypoints, args.downsample)

3.定義模型，UnchunkedGenerator等，將模型數據放入GPU。

主要看一下相對于videopose本程序做出了哪些改變。

首先就是引入了圖卷積，所以對于輸入的數據要增設他們的圖矩陣，在網絡設置的時候加上圖卷積這一模塊，與時間卷積共同構成，這就使得輸入的參數多設置了adj。圖卷積一共有兩個模塊，一個是local-attention，一個是global-attention。

local-attention中先定義SemCHGraphConv網絡框架，具體網上可以查到公式。以這個框架為基礎輸入不同的矩陣adj_sym和adj_con得到local_attention的架構。adj_sym是對“左右對稱的關節點”進行關聯的矩陣，adj_con是鄰接矩陣，一階和二階等體現在矩陣里。（論文中說對于手腕腳腕頭等關節點只有一個連接點所以*****沒仔細看，不太懂

相對比于SemGCN其實GAST并沒有改變多少，將原本的locallayer和globallayer在網絡中的順序變換了，并且加上了注意力，將關聯的節點以矩陣表達。

4.進行訓練，while epoch < args.epochs，訓練后求loss進行模型優化

5.最后進行測試，用測試集調用evaluate()，測試范化能力。

總結

以上是生活随笔為你收集整理的3D姿态估计（GAST）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。