用于动作识别的空间-时间图卷积网络中的顶点特征编码与分层时间建模
计算机视觉与模式识别
2019-12-23 v1
摘要
本文通过引入两个新颖模块，即图顶点特征编码器（GVFE）与扩张分层时间卷积网络（DH-TCN），扩展了用于基于骨架的动作识别的空间-时间图卷积网络（ST-GCN）。一方面，GVFE 模块通过将原始骨架数据编码到新特征空间来学习适用于动作识别的恰当顶点特征。另一方面，DH-TCN 模块能够利用分层扩张卷积网络捕捉短期与长期时间依赖。我们在具有挑战性的 NTU RGB-D-60 与 NTU RGB-D 120 数据集上进行了实验。所得结果表明，我们的方法在使用更少层数与参数量的同时可与最先进（state-of-the-art）方法相竞争，从而减少了所需的训练时间与内存。
引用
@article{arxiv.1912.09745,
title = {Vertex Feature Encoding and Hierarchical Temporal Modeling in a Spatial-Temporal Graph Convolutional Network for Action Recognition},
author = {Konstantinos Papadopoulos and Enjie Ghorbel and Djamila Aouada and Björn Ottersten},
journal= {arXiv preprint arXiv:1912.09745},
year = {2019}
}