基于时空图卷积网络的骨架分割框架用于动作识别
计算机视觉与模式识别
2021-11-08 v1 人工智能
摘要
上传至互联网的视频及其相关内容的数量急剧增加。因此，分析海量数据的高效算法的需求引起了广泛的研究兴趣。基于人体运动的动作识别系统已被证明能准确解读视频内容。本工作旨在使用 ST-GCN 模型识别日常生活活动，并比较四种不同的划分策略：空间构型划分、全距离分割、连接分割和索引分割。为实现这一目标，我们首次在 HMDB-51 数据集上实现了 ST-GCN 框架。通过使用连接分割方法，我们实现了 48.88% 的 top-1 准确率。通过实验仿真，我们表明与 state-of-the-art 方法相比，我们的方案在使用 ST-GCN 框架的 UCF-101 数据集上取得了最高的准确率。最后，通过使用索引分割策略，实现了 73.25% 的 top-1 准确率。
引用
@article{arxiv.2111.03106,
title = {Skeleton-Split Framework using Spatial Temporal Graph Convolutional Networks for Action Recogntion},
author = {Motasem Alsawadi and Miguel Rio},
journal= {arXiv preprint arXiv:2111.03106},
year = {2021}
}