MSA-GCN：用于步态情绪识别的多尺度自适应图卷积网络
计算机视觉与模式识别
2022-09-20 v1 机器学习
摘要
步态情绪识别在智能系统中起着关键作用。现有多数方法通过关注随时间变化的局部动作来识别情绪。然而，它们忽略了不同情绪在时间域中的有效距离不同，且行走过程中的局部动作十分相似。因此，情绪应由全局状态而非间接的局部动作表示。为解决这些问题，本文提出一种新颖的多尺度自适应图卷积网络（MSA-GCN），通过构建动态时间感受野与设计多尺度信息聚合来识别情绪。在我们的模型中，设计了一种自适应选择性时空图卷积，动态选择卷积核以获取不同情绪的软时空特征。此外，设计了跨尺度映射融合机制（CSFM）来构建自适应邻接矩阵，以增强信息交互并减少冗余。与先前最先进的方法相比，所提方法在两个公开数据集上取得了最佳性能，将 mAP 提升了 2%。我们还进行了大量消融实验以展示各组件的有效性。
引用
@article{arxiv.2209.08988,
title = {MSA-GCN:Multiscale Adaptive Graph Convolution Network for Gait Emotion Recognition},
author = {Yunfei Yin and Li Jing and Faliang Huang and Guangchao Yang and Zhuowei Wang},
journal= {arXiv preprint arXiv:2209.08988},
year = {2022}
}