用于基于骨架动作识别的姿态精炼图卷积网络
计算机视觉与模式识别
2021-01-19 v2
摘要
随着 2D 或 3D 骨架数据获取技术的进步，基于骨架的动作识别在过去几年中受到越来越多的关注。由于骨架数据通常以图表示，已有图卷积网络被提出用于该任务。尽管当前的图卷积网络能准确识别动作，但它们对于计算资源有限的机器人应用而言过于昂贵。因此，在本文中我们提出了一种高效图卷积网络，以解决先前工作的局限。这通过一种逐步融合运动与空间信息的并行结构，并尽早降低时间分辨率来实现。此外，我们明确处理了人体姿态可能包含误差的问题。为此，网络在对姿态进一步处理以识别动作之前先对其进行精炼。我们因此将该网络称为姿态精炼图卷积网络。与其他图卷积网络相比，我们的网络所需参数减少 86%–93%，浮点运算量降低 89%–96%，同时达到相当精度。因此它提供了精度、内存占用与处理时间之间更好的权衡，使其适用于机器人应用。
引用
@article{arxiv.2010.07367,
title = {Pose Refinement Graph Convolutional Network for Skeleton-based Action Recognition},
author = {Shijie Li and Jinhui Yi and Yazan Abu Farha and Juergen Gall},
journal= {arXiv preprint arXiv:2010.07367},
year = {2021}
}
备注
Accepted for publication in IEEE Robotics and Automation Letters (RA-L)