Kinetics400-skeleton

我们发布了 Revisiting Skeleton-based Action Recognition 中使用的骨骼点数据集。默认情况下，我们使用带有ResNet50主干的Faster-RCNN进行人体检测，并HRNet-w32进行单人姿势估计。对于FineGYM，我们为运动员使用地面真相边界框，而不是检测边界框。

We release the skeleton-based dataset used in the paper *Revisiting Skeleton-based Action Recognition*. By default, we employ Faster-RCNN with a ResNet50 backbone for human detection and HRNet-w32 for single-person pose estimation. For the FineGYM dataset, we use ground-truth bounding boxes for athletes instead of detected bounding boxes.

搜集汇总

背景与挑战

背景概述

Kinetics400-skeleton是一个用于骨架动作识别的数据集，提供基于Kinetics400视频的骨架注释，使用Faster-RCNN和HRNet-w32进行人体检测和姿势估计。该数据集由上海人工智能实验室于2021年发布，旨在支持动作识别研究，包含18.0GB数据、19.9k个文件和404个标签。