用于基于骨架动作识别的多尺度时序图网络
计算机视觉与模式识别
2020-12-08 v1 人工智能
摘要
图卷积网络（GCNs）能够有效捕获相关节点的特征并提升模型性能。基于骨架的动作识别中越来越多地采用GCN。但现有基于GCN的方法存在两个问题。第一，逐节点、逐帧提取特征时忽略了时空特征的一致性。为同时获取时空特征，我们设计了一种用于动作识别的骨架序列通用表示，并提出了一种称为时序图网络（TGN）的新模型。第二，描述关节间关系的图的邻接矩阵大多依赖于关节间的物理连接。为恰当描述骨架图中关节间的关系，我们提出多尺度图策略，采用全尺度图、部分尺度图和核心尺度图来捕获各关节的局部特征及重要关节的轮廓特征。在两个大型数据集上进行了实验，结果表明采用我们图策略的TGN优于当前最优方法。
引用
@article{arxiv.2012.02970,
title = {Multi Scale Temporal Graph Networks For Skeleton-based Action Recognition},
author = {Tingwei Li and Ruiwen Zhang and Qing Li},
journal= {arXiv preprint arXiv:2012.02970},
year = {2020}
}