使基于骨架的动作识别模型更小、更快且更好
计算机视觉与模式识别
2020-03-19 v8
摘要
尽管基于骨架的动作识别近年取得巨大成功，多数现有方法仍存在模型规模大、执行速度慢的问题。为缓解该问题，我们分析骨架序列特性，提出一种用于基于骨架动作识别的双特征双运动网络（DD-Net）。通过使用轻量网络结构（即 15 万参数），DD-Net 可达到极快速度，在单 GPU 上为 3500 FPS，或在单 CPU 上为 2000 FPS。借助鲁棒特征，DD-Net 在我们的实验数据集 SHREC（即手部动作）与 JHMDB（即身体动作）上取得最先进性能。我们的代码将随本文后续发布。
引用
@article{arxiv.1907.09658,
title = {Make Skeleton-based Action Recognition Model Smaller, Faster and Better},
author = {Fan Yang and Sakriani Sakti and Yang Wu and Satoshi Nakamura},
journal= {arXiv preprint arXiv:1907.09658},
year = {2020}
}
备注
6 pages, 5 figures