想象生成对抗网络：面向基于动态骨架的手势与人体动作识别的自动数据增强
计算机视觉与模式识别
2023-08-14 v2 人机交互
摘要
深度学习方法在时空人体运动数据识别中取得了最先进的性能。然而，这些识别任务的主要挑战之一是可用训练数据有限。训练数据不足导致过拟合，而数据增强是解决该挑战的一种途径。现有的基于缩放、平移和插值的数据增强策略泛化能力有限，且通常需要对数据集进行详细检视以及数百个 GPU 小时用于超参数优化。本文中，我们提出一种新颖的自动数据增强模型——想象生成对抗网络（GAN），它逼近输入数据的分布并从中采样新数据。其自动性在于无需数据检视与少量超参数调优，因此是生成合成数据的低成本、低投入途径。我们在小规模基于骨架的数据集上通过全面的实验分析展示了该方法。结果表明该增强策略训练快速，且能提升常规神经网络与最先进方法的分类精度。
引用
@article{arxiv.2105.13061,
title = {The Imaginative Generative Adversarial Network: Automatic Data Augmentation for Dynamic Skeleton-Based Hand Gesture and Human Action Recognition},
author = {Junxiao Shen and John Dudley and Per Ola Kristensson},
journal= {arXiv preprint arXiv:2105.13061},
year = {2023}
}