用于基于骨架的人体动作识别的渐进式时空图卷积网络
计算机视觉与模式识别
2021-04-28 v2 机器学习
摘要
图卷积网络（GCNs）在基于骨架的人体动作识别中已非常成功，其中骨架序列被建模为图。然而，该领域大多数基于GCN的方法训练具有固定拓扑的深度前馈网络，导致高计算复杂度并限制其在低计算场景中的应用。在本文中，我们提出一种以渐进方式自动寻找紧凑且针对问题的时空图卷积网络拓扑的方法。在两个广泛使用的基于骨架的人体动作识别数据集上的实验结果表明，所提方法以低得多的计算复杂度取得了与最先进方法相当甚至更好的分类性能。
引用
@article{arxiv.2011.05668,
title = {Progressive Spatio-Temporal Graph Convolutional Network for Skeleton-Based Human Action Recognition},
author = {Negar Heidari and Alexandros Iosifidis},
journal= {arXiv preprint arXiv:2011.05668},
year = {2021}
}
备注
Accepted by the 2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP 2021)