AutoGCN——面向通用人体活动识别的神经架构搜索
计算机视觉与模式识别
2024-03-13 v3
摘要
本文介绍了AutoGCN，一种使用图卷积网络（GCN）进行人体活动识别（HAR）的通用神经架构搜索（NAS）算法。由于深度学习的进步、数据可用性的增加以及计算能力的增强，HAR已受到广泛关注。同时，GCN在建模骨骼图中身体关键点之间的关系方面已显示出有前景的结果。虽然领域专家通常会精心设计特定于数据集的基于GCN的方法，但其在特定上下文之外的适用性受到严重限制。AutoGCN旨在通过在搜索过程中使用强化学习控制器，在通用搜索空间中同时搜索理想的超参数和架构组合，并利用知识库平衡最优的探索与利用行为，来解决这一局限性。我们在两个专注于基于骨骼的动作识别的大规模数据集上进行了广泛的实验，以评估所提出算法的性能。我们的实验结果强调了AutoGCN在为HAR构建最优GCN架构方面的有效性，其性能优于传统的NAS和GCN方法以及随机搜索。这些发现突显了多样化搜索空间和富有表现力的输入表示对于增强网络性能和泛化能力的重要性。
引用
@article{arxiv.2402.01313,
title = {AutoGCN -- Towards Generic Human Activity Recognition with Neural Architecture Search},
author = {Felix Tempel and Inga Strümke and Espen Alexander F. Ihlen},
journal= {arXiv preprint arXiv:2402.01313},
year = {2024}
}