新手小白，想问下classification23_taichi_pic.py和predict_pic.py的用处？

[Y132om]

新手小白，想问下classification23_taichi_pic.py和predict_pic.py有什么用？我好像没有找到这两个文件的调用。不明白这两个文件是做什么用的？您的代码思路是不是这样：先用openpose做了关键点的提取，然后做了分类？可以这样理解吗？如果我理解有错，还请您多指导下。作为新手小白，问题有点多，希望您不要生气。。谢谢

[wfnian]

classification23_taichi_pic.py是利用op保存的图片做预测这里读取的文件是marked_pictrain.txt (这个效果不理想，反应速度慢) 因此最后分别跑出了loss和acc曲线做对比，仅仅表明理论可行，但由于反应较慢（相较于骨骼坐标的预测来讲，前者几乎实时预测，而相较于图片的预测就很慢了）

classification23_taichi_eigenvalue.py是利用op提取的骨骼坐标做预测 ，就是通过getData函数读取保存的数据，这个数据的最后一维度代表太极姿态所属标签类别。

代码整体的思路就是

1. 利用op获取骨骼坐标

2. 将骨骼坐标进行处理，什么距离啊，角度啊等使得具有一定的手动提取的特征

3. 将骨骼数据接入三层的全连接网络进行拟合训练出结果

4. 利用PyQt以及OpenCV搭建界面，实时预测。

以上是主要的思路，随着项目的进行，需要采集数据，于是就演化出了采集系统。再接着发现op可以保存仅带有骨骼线条的图片，类似于下面的：

参考手写数字识别以及fashion_mnist的数据源，搭建了平行于基于特征值的卷积网络，也就是您的问题classification23_taichi_pic.py和predict_pic.py，而这个不是核心。

所以整个项目其实很简单

[Y132om]

classification23_taichi_pic.py是利用op保存的图片做预测这里读取的文件是marked_pictrain.txt (这个效果不理想，反应速度慢) 因此最后分别跑出了loss和acc曲线做对比，仅仅表明理论可行，但由于反应较慢（相较于骨骼坐标的预测来讲，前者几乎实时预测，而相较于图片的预测就很慢了）

classification23_taichi_eigenvalue.py是利用op提取的骨骼坐标做预测 ，就是通过getData函数读取保存的数据，这个数据的最后一维度代表太极姿态所属标签类别。

代码整体的思路就是

1. 利用op获取骨骼坐标
2. 将骨骼坐标进行处理，什么距离啊，角度啊等使得具有一定的手动提取的特征
3. 将骨骼数据接入三层的全连接网络进行拟合训练出结果
4. 利用PyQt以及OpenCV搭建界面，实时预测。

以上是主要的思路，随着项目的进行，需要采集数据，于是就演化出了采集系统。再接着发现op可以保存仅带有骨骼线条的图片，类似于下面的：

参考手写数字识别以及fashion_mnist的数据源，搭建了平行于基于特征值的卷积网络，也就是您的问题classification23_taichi_pic.py和predict_pic.py，而这个不是核心。

所以整个项目其实很简单

多谢大佬。。多谢多谢

[wfnian]

别，菜鸡一枚。:octocat: