【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

最新推荐文章于 2022-11-23 21:04:53 发布
最新推荐文章于 2022-11-23 21:04:53 发布
阅读量1.7k 收藏 6
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 论文笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/nymph_h/article/details/95945475
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）

交通物流模型 | 基于交通图卷积长短时记忆网络的网络级交通流预测
算法如诗的博客
10-10 432
交通物流模型 | 基于交通图卷积长短时记忆网络的网络级交通流预测
基于LSTM的RNN网络人体骨骼关节点检测
09-03
有284个训练样本，273个测试样本，通过对数据的处理后进入基于LSTM的多层循环神经网络进行训练，测试样本测试准确率可达70+
基于骨架动作识别的时空图卷积网络
LSC_333的博客
05-24 6241
论文来自https://arxiv.org/abs/1801.07455 英语渣渣的阅读和翻译 基于骨架动作识别的时空图卷积网络 摘要：人体骨骼动力学为人类动作识别传达了重要信息。传统方法在骨骼建模上通常依赖于手工制作的部分或遍历的规则，因此就导致了传统方法的表达力有限和泛化困难。在这项工作中，我们提出了一种动态骨架的新模型，称为时空图卷积网络（ST-GCN），它通过自动从数据中学习时空模式，超越了以前方法的局限。这种表述不仅导致更大的表达能力，而且还具有更强的泛化能力。在两个大型数据集Kinetics
基于图卷积堆叠的双向单向LSTM神经网络的地铁客流预测
zuiyishihefang的博客
11-28 2918
文章信息《A Graph Convolutional Stacked Bidirectional Unidirectional-LSTM Neural Network for Metro ...
lstm结构图_【骨骼行为识别】AGC-LSTM论文理解
weixin_39577422的博客
11-22 735
An Attention Enhanced Graph Convolutional LSTM Network for Skeleton-Based Action Recognition论文链接：https://arxiv.org/pdf/1902.09130.pdf​arxiv.org这篇论文是2019年发表在CVPR上的，论文提出来一个AGC-LSTM的网络框架，是第一个将图卷积与LSTM应用到...
GC-LSTM:用于动态网络链路预测的图卷积嵌入原理+代码（上）原理部分
m0_53961910的博客
11-23 8751
GC-LSTM利用GCN提取图数据的拓扑结构特征，LSTM提取序列数据的时序特征，从而能够对动态变化的图拓扑进行预测。本文详细介绍了GC-LSTM模型的原理，并基于PYG Temporal对其进行代码实现。
学习笔记：深度学习（3）——卷积神经网络（CNN）理论篇
Morganfs的博客
04-12 11万+
深度学习笔记——CNN卷积神经网络理论篇。主要包括CNN的概念、基本原理、类型综述。算是比较完善的一篇文章了。
基于骨骼的行为识别笔记（NTU RGBD数据集解析）
以笔为剑的唐吉坷德
06-03 1万+
目录1. 人类行为（层次）：2. 输入数据3. 基于骨架的行为识别4. 数据集4.1 NTU RGBD4.1.1 下载方式4.1.2 Benchmark5. 相关论文5.1 Skeleton-based Action Recognition with Convolution Neural Networks(2017.8 海康威视)5.1.1 论文亮点5.2 Co-ocurrence Feature Learning from Skeleton Data for Action Recognition and
视频行为识别检测综述 IDT TSN CNN-LSTM C3D CDC R-C3D
热门推荐
万有文的博客
06-20 14万+
本文github地址 Video Analysis之Action Recognition(行为识别) 行为识别就是对时域预先分割好的序列判定其所属行为动作的类型，即“读懂行为”。 [行为检测|论文解读]行为检测调研综述 较新 基于Deep Learning 的视频识别技术 科研成果—-中国科学院深圳先进技术研究院 面向人体姿态行为理解的深度学习方法 CVPR 2014 Tut...
AGC-LSTM论文笔记
better_boy的博客
02-03 1095
AGC-LSTM论文笔记 An Attention Enhanced Graph Convolutional LSTM Network for Skeleton-Based Action Recognition ​ 一种用于骨骼动作识别的注意增强图卷积LST
（论文笔记）An Attention Enhanced Graph Convolutional LSTM Network for Skeleton-Based Action Recognition
CoralSeaH的博客
07-13 582
An Attention Enhanced Graph Convolutional LSTM Network for Skeleton-Based Action Recognition 文章目录An Attention Enhanced Graph Convolutional LSTM Network for Skeleton-Based Action Recognition摘要一、引言二、相关工作三、模型架构1.GCN2.读入数据总结 摘要 基于骨架的动作识别是一项重要任务，要求从给定的骨骼序列中充分了
卷积LSTM代码
08-31
tensorflow 实现卷积LSTM，参见文章Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting
特征骨骼提取识别视频中的动作
04-07
1、重新设计CSV数据、存储结构 2、全新特征结构，左右两边分别11组，共22组 //RHand RWrist RElbow RShoulder //dRHand dRWrist dRElbow dRShoulder //d(RHand - RWrist) d(RWrist - RElbow) d(RElbow - RShoulder) //共计11组 版本2.1.1
图卷积（二）-图神经网络
weixin_40248634的博客
11-15 1152
二、图卷积结点映射 结点映射 目标是将原始空间的相似性也体现在映射空间中。 目标：similarty(u,v)≈zvTzusimilarty(u,v)\approx z_v^Tz_usimilarty(u,v)≈zvT​zu​ 两个关键组件： 将每个点映射到一个低维向量 相似性函数指定向量空间中的关系如何映射到原始网络中的关系。 从“浅”到“深” ...
图卷积网络进行骨骼识别代码_[论文阅读]基于骨架动作识别的空间残差层和密集连接块增强的时空图卷积网络...
weixin_29735807的博客
02-05 574
Spatial Residual Layer and Dense Connection Block Enhanced Spatial Temporal Graph Convolutional Network for Skeleton-Based Action Recognition来源作者单位会议论文地址代码江南大学ICCV 2019暂无创新点引入了空间残差层来捕获和融合时空特征在先前的工作中，时...
【论文学习】AGC-LSTM：An Attention Enhanced Graph Convolutional LSTM Network for Skeleton-Based Action Reco
LoveKKarlie_的博客
03-11 1172
An Attention Enhanced Graph Convolutional LSTM Network for Skeleton-Based Action Recognition CVPR2019 AGC-LSTM 基于骨架的注意力增强图卷积LSTM网络行为识别方法。 第一个将GCN和LSTM结合。
论文超详细精读|七千字：AGC-LSTM
IanYue的博客
11-05 1902
看完标题《An Attention Enhanced Graph Convolutional LSTM Network for Skeleton-Based Action Recognition》，摘要和结论，我了解到了以下信息： 1.提出了一种新的注意力增强图卷积LSTM网络（AGC-LSTM)，用于从骨架数据中识别人体动作。 2.提出的AGC-LSTM不仅可以捕获空间配置和时间动态中的区别特征，而且可以探索空间和时间域之间的同现关系。
带有信任门的时空LSTM，用于三维人体动作识别
com_fang_bean的博客
10-01 696
https://arxiv.org/pdf/1607.07043.pdf Why？ 1.基于人类动作分析3D骨架数据——由于其简洁、健壮性和视图不变表示的特点变得流行！ 2.创意：提出了一种更强大的基于树结构的遍历方法。 3.性能最先进 How? 时空复发性网络的提出和实现 1.LSTM适合学习在一个序列的时间数据。 2.骨骼数据的序列特性同样适合rnnn的学习在空间领域。然后将递归分析由时间域扩展到空间域，以发现每帧不同节点之间的空间依赖模式。 在空间方向上，框架中的身体关节按顺序馈
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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