《Two-Stream Adaptive Graph Convolutional Networks for Skeleton-Based Action Recognition》论文阅读笔记

本文介绍了一种新的骨骼识别模型——双流自适应图卷积网络(2s-AGCN),该模型通过BP算法统一学习图的拓扑结构,能够同时考虑骨骼的一阶和二阶信息,显著提升了识别精度。

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

提出问题:目前的GCN方法,图的拓扑结构都是手动设置的,固定在所有层和输入样本。此外,现有方法很少研究骨骼数据的二阶信息(骨骼的长度和方向)
本文提出:

  • Dual-stream adaptive graph convolutional network (2s-AGCN);
  • 模型中的图的拓扑结构可以由BP算法统一学习,也可以由BP算法以端到端的方式单独学习;
  • 对骨骼一阶和二阶信息建模,提高了识别精度。
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