kinetics-skeleton训练集。太大了，拆成十个上传。

kinetics-skeleton训练集。太大了，拆成十个上传。

概述 这是一个在HTW Dresden的CG1模块中创建跨平台项目的骨架项目。 依赖关系 C ++ 11 编译器（包括 Xcode 6、Visual Studio 2013、gcc、...） Python 2.6 或更新版本 gyp（在调用 configure 时自动安装）。 构建说明 OS X / Linux $ ./configure -f [cmake|eclipse|make|msvs|ninja|xcode] 例如对于 Xcode： $ ./configure -f xcode 用 这个项目包含一个基本的 main() 函数，它创建一个窗口和函数 无效初始化（）； 空显示(); 预期在另一个翻译单元（即另一个 C/C++ 文件）中。 然后将它们用于初始化场景一次，然后（显然）作为显示回调。 支持的平台 目前只测试了 OS X 10.10 和 Xcode 6.1。

django-skeleton - Django 骨架 Django Skeleton 为 django 提供了一个骨架项目设置（有点像它的名字）。 功能包括： 从每个环境的通用设置文件继承的多个设置文件（如果使用环境变量，只需在 bash 文件export DJANGO_SETTINGS_MODULE='settings.local'添加 settings.local 用于开发）， 自动包含添加到apps目录的项目 改进了原始 django 项目布局的布局 入门 为了使用这个模板，你可以从 github 页面下载链接下载源代码并解压； 或者，克隆 repo。 git clone https://github.com/mattseymour/django-skeleton.git 如果使用 git clone，则必须将 git remote 删除到此

Disentangling and Unifying Graph Convolutions for Skeleton-Based Action Recognition 分离与统一的图卷积用于基于骨架的动作识别 CVPR 2020

消息！ 2020年8月： 发布了！ 更强大的追踪！ 包括全身（脸，手，脚）要点！ 现在可用。 2019年12月：AlphaPose 发布了！ 较小的型号，更高的精度！ 2019年4月：发布的AlphaPose！ 在COCO验证集上，它以23 fps的速度运行。 2019年2月： 集成到现在AlphaPose！ 2018年12月：了PoseFlow的！ 3倍更快，支持姿态跟踪结果可视化！ 2018年9月： 发布了！ 它在COCO验证集上以20 fps的速度运行（平均每张图像4.6人），并达到71 mAP！ AlphaPose 是一种精确的多人姿势估计器，它是第一个开源系统，在COCO数据集上达到70+ mAP（75 mAP），在MPII数据集上达到80+ mAP（82.1 mAP）。 为了在帧中匹配与同一个人相对应的姿势，我们还提供了一种称为Pose Flow的高效在线姿势跟踪

这是一个基于FramerJS的项目，使用gulp进行编译，浏览器化和实时重载 如果您只想使用原始 javascript，您可以将 index.coffee 重命名为 index.js。 如果更改文件类型，则需要重新启动gulp服务器。 安装 npm install gulp -g npm install gulp

骨骼查看器（Skeleton Viewer）是一个加载和显示骨骼数据的工具。它能用于测试 Spine 导出的骨骼数据在实际运行时的渲染效果。

人体行为识别open-mmlab/mmskeleton中的kinetics-skeleton数据集，包含了kinetics_train_label.json，kinetics_val_label.json，还有生成之前的各个视频的json文件

里面有kinetic-skeketon和NTU RGB-D两个，都是train_data.npy和train_label.pkl文件和val_data.npy和val_label.pkl文件