基于正则化深度LSTM网络的骨架动作识别共现特征学习
计算机视觉与模式识别
2016-03-28 v1 机器学习
摘要
基于骨架的动作识别利用骨架关节的轨迹来区分人类动作，这为描述动作提供了非常好的表示。考虑到带有长短期记忆(LSTM)的循环神经网络(RNNs)能够自动学习特征表示并建模长期时间依赖，我们提出了一种端到端全连接的深度LSTM网络用于基于骨架的动作识别。受关节共现本质地表征人类动作这一观察的启发，我们将骨架作为每个时间槽的输入，并引入一种新颖的正则化方案来学习骨架关节的共现特征。为了有效训练深度LSTM网络，我们提出了一种新的dropout算法，它同时作用于LSTM神经元的门、单元和输出响应。在三个动作识别数据集上的实验结果一致证明了所提模型的有效性。
引用
@article{arxiv.1603.07772,
title = {Co-occurrence Feature Learning for Skeleton based Action Recognition using Regularized Deep LSTM Networks},
author = {Wentao Zhu and Cuiling Lan and Junliang Xing and Wenjun Zeng and Yanghao Li and Li Shen and Xiaohui Xie},
journal= {arXiv preprint arXiv:1603.07772},
year = {2016}
}
备注
AAAI 2016 conference