基于骨架的动作识别：同步局部与非局部时空学习及频率注意力
计算机视觉与模式识别
2019-06-13 v3
摘要
得益于其简洁性与鲁棒性，基于骨架的动作识别近来备受关注。现有多数方法利用局部网络（如循环、卷积和图卷积网络）分层提取时空动态，因而分别包含更多细节与语义的局部和非局部依赖在不同层中被异步捕获。此外，现有方法局限于时空域，忽略了频域信息。为更好地从多域同步提取细节与语义信息，我们提出残差频率注意力（rFA）模块以关注频域中的判别性模式，以及同步局部与非局部（SLnL）模块以同时在时空域捕获细节与语义。此外，提出软边界焦点损失（SMFL）以优化整体学习过程，其自动进行数据选择并增强分类器中的固有间隔。我们的方法在多个大规模数据集上显著优于其他最先进（state-of-the-art）方法。
引用
@article{arxiv.1811.04237,
title = {Skeleton-Based Action Recognition with Synchronous Local and Non-local Spatio-temporal Learning and Frequency Attention},
author = {Guyue Hu and Bo Cui and Shan Yu},
journal= {arXiv preprint arXiv:1811.04237},
year = {2019}
}
备注
6 pages,4 figures; accepted to ICME 2019