基于骨架的动作识别中的时空图卷积网络
计算机视觉与模式识别
2018-01-26 v2
摘要
人体骨架的动态信息为人类动作识别提供了重要线索。传统的骨架建模方法通常依赖于手工设计的部件或遍历规则，因而表达能力有限且难以泛化。本文提出一种称为时空图卷积网络（ST-GCN）的动态骨架新模型，该模型通过从数据中自动学习空间和时间模式，超越了以往方法的局限。这一表述不仅带来更强的表达能力，也具备更好的泛化能力。在两个大型数据集 Kinetics 和 NTU-RGBD 上，该方法相比主流方法取得了显著提升。
引用
@article{arxiv.1801.07455,
title = {Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition},
author = {Sijie Yan and Yuanjun Xiong and Dahua Lin},
journal= {arXiv preprint arXiv:1801.07455},
year = {2018}
}
备注
Accepted by AAAI 2018