飞桨学习赛：花样滑冰选手骨骼点动作识别

这场竞赛适合谁

适合已有 Python 深度学习实践基础、愿意使用 PaddlePaddle 2.0 及以上版本的个人参赛者，尤其适合想学习基于骨骼点时序数据进行细粒度人体动作识别的人。参赛者需要能处理由 OpenPose 提取并以 .npy 保存的逐帧骨骼点数据。

这场比赛提供什么

以下内容来自比赛官方页面。

• 数据获取Competition skeleton-point dataset stored in .npy format.
• 教程Official PaddlePaddle baseline explanation video.
• 教程PaddlePaddle high-level API tutorial video.
• 参考论文FSD-10 figure-skating dataset paper.
• 参考论文Motion-Centered Figure Skating Dataset paper.
• 参考论文Temporal convolutional networks action-analysis paper.
• 参考论文Spatial temporal graph convolutional networks paper.
• 数据获取PaddleVideo video-model development kit and repository.

从报名到首次提交的准备步骤

1. 01

   能够读懂官方赛题与参赛规则

2. 02

   骨骼点时序数据处理

3. 03

   动作识别模型

4. 04

   时空图卷积网络（ST-GCN）

5. 05

   NumPy .npy 文件读写

6. 06

   CSV 结果文件生成

投入前确认：难点在于动作类别的差异往往只出现在少数几个帧中，但模型同时又必须保留完整时序信息来判断动作大类和处理“多义帧”。因此，不能只依赖单帧姿态特征，而要建模骨骼点随时间变化的细粒度差异。