新手分
78/100
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。
以下内容来自比赛官方页面。
Competition skeleton-point dataset stored in .npy format.
FSD-10 figure-skating dataset paper.
Motion-Centered Figure Skating Dataset paper.
Temporal convolutional networks action-analysis paper.
Spatial temporal graph convolutional networks paper.
如果下面这些前置项还很陌生，先补准备通常比直接参赛更划算。
能够读懂官方赛题与参赛规则
骨骼点时序数据处理
动作识别模型
时空图卷积网络（ST-GCN）
NumPy .npy 文件读写
CSV 结果文件生成
真正的难点通常不是“会不会调包”，而是验证、时间分配和任务理解。
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。
以下竞赛与当前竞赛方向或难度相近，可以一起对比。
把已确认、待核对和人工审核状态分开看；最终规则与截止时间以官方页为准，发现错误欢迎提交纠错。
官方 metric 还没有从当前抓取结果中确认，仍需人工核对。