基于骨架的动作识别中HRNN模型的实现
说明：该模型为基于骨架的动作识别（Skeleton Based Action Recognition）中HRNN模型的实现。因为初学pytorch，若存在错误或者模型细节方面存在问题请提交变更申请或者联系1378513278@qq.com。
版本说明：
HRNN_2：为基础版本，在ntu_rgb+d数据集的xsub划分方式中取得了和paperwithcode给出的59.1一致的准确率
HRNN_2_nobid:没有使用双向循环的HRNN
HRNN_2_fortest：尝试合理划分成五个部分，即（左手臂部分：24、25、12、11、9、10 右手臂部分：22、23、8、7、6、5 左腿部分：20、19、18、17 右腿部分：13、14、15、16 躯干部分：4、3、21、2、1）
HRNN_2_fortest2：没有划分成五个部分，但使用了变长输入、隔帧采样、并累加作为预期结果
以及有如下对模型的改进思路：
1.调参，即调整学习率，或者隐藏层大小、维数、以及使用学习率衰减等方式对模型进行优化
2.使用变长输入，即在本模型中基础版本里使用的是固定帧长度为300，但这显然是不合理的，因为不同视频中帧的数目是完全不一致的。在原模型中是将不一致的填充0，但是这会引入大量无意义的0.可以考虑使用rnn中变长输入序列从而不用引入这么多无意义的0）
3.论文中给了一个滤波方法，可以尝试对数据进行预处理
4.怎么更合理的划分成五个部分，在hrnn_2_fortest中进行了尝试
5.在t帧上累加输出作为预期结果
6.隔帧采样 应该会提高训练速度，但因为丢失了信息，会降低准确率
7.两个身体的时候是怎么处理的 这个问题暂未解决，本模型只使用了第一个身体的骨架数据，但部分视频中会出现两个身体，在这里直接丢弃可能存在的第二个身体是不合理的
该模型是本人的第一个自己实现的模型以及第一个开源的代码，略微粗浅，请大家见谅。
如果对您有帮助，请帮忙点一下Star喔！