基于多拉普拉斯图卷积网络的人体动作识别
计算机视觉与模式识别
2019-10-16 v1
摘要
卷积神经网络如今在不同模式识别问题中取得了重大成功。这些学习模型基本上设计用于处理向量数据（如图像），但其向非向量与半结构化数据（即具有可变尺寸、拓扑等的图）的扩展仍是一项重大挑战，尽管目前出现了一些有趣的解决方案。本文中，我们引入 MLGCN；一种新颖的谱多拉普拉斯图卷积网络。该方法的主要贡献在于一种新的设计原则，将图拉普拉斯学习为其他基本拉普拉斯的凸组合，每个基本拉普拉斯专用于输入图的特定拓扑。我们还引入一种图上新型池化算子，其分两步进行：先实现上下文相关节点扩展，随后进行全局平均池化；该两步过程的优势在于其能在实现置换不变性的同时保持节点的判别力。在 SBU 与 UCF-101 数据集上的实验表明了我们的方法在具有挑战性的动作识别任务中的有效性。
引用
@article{arxiv.1910.06934,
title = {Human Action Recognition with Multi-Laplacian Graph Convolutional Networks},
author = {Ahmed Mazari and Hichem Sahbi},
journal= {arXiv preprint arXiv:1910.06934},
year = {2019}
}