【论文笔记】一种适用于基于骨骼的动作识别的增强图卷积LSTM网络

基于骨骼的动作识别需理解人类动作运动特征,提取时空特征具挑战性。文章提出注意力增强图卷积LSTM网络(AGC-LSTM)用于人体动作识别,可捕捉判别特征、探索共现关系。还提出时间层级结构,用注意力机制增强关键节点信息,实验在两个数据集上进行。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1. 摘要翻译

基于骨骼的动作识别是一项重要的任务,它要求从给定的骨骼序列中充分理解人类动作的运动特征。最近的研究表明,研究骨骼序列的空间和时间特征对这个任务是非常重要的。除此之外,如何提取不同的时空特征仍然是一项具有挑战性的工作。在这篇文章中,我们提出了一种注意力增强图卷积LSTM网络,来从骨骼数据中进行人体动作识别。文章提出的AGC-LSTM不仅可以捕捉空间构型和时间动态的判别特征,而且可以探索时空域之间的共现关系。我们同时提出了一种时间层级结构来提高顶级AGC-LSTM层的时间感受野,增强了模型学习高级语义表达的能力,并且显著减少了运算开销。更进一步地,为了选择有识别力地空间信息,作者使用了注意力机制来增强AGC-LSTM每一层关键节点的信息。实验结果是在NTU RGB+D dataset和Northwestern-UCLA两个数据集上测试得到的。
NTU RGB+D dataset介绍:https://blog.youkuaiyun.com/Yao_tc/article/details/84304919
Northwestern-UCLA:http://wangjiangb.github.io/(搜索到了一个人的git主页)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值