基於時空圖卷積模型的分析歸納

名稱	ST-GCN
目的	解決基於人體骨架關鍵點的人類動作識別問題
優點	1、空間關係 利用人類關節空間關係理解人類行爲 2、層次性 ST-GCN 的層次性消除了手動劃分部分或遍歷規則的需要。這不僅能獲得更強的表達能力和更高的性能（如我們的實驗所示），而且還使其易於在不同的環境中推廣。
缺點
特點	1、我們提出 ST-GCN，一個基於圖的動態骨骼建模方法，這是首個用以完成本任務的基於圖形的神經網絡的應用。 2、我們提出了在 ST-GCN 中設計卷積核的幾個原則，旨在滿足骨骼建模的具體要求。 3、在基於骨骼動作識別的兩個大規模數據集上，我們的模型與先前使用的手動分配部分或遍歷規則的方法相比，需要相當少的手動設計，實現了更優越的性能。
技術	1、整個模型用反向傳播進行端對端方式的訓練
精確度	在兩個數據集的三個測試協議上，ST-GCN 相比現有方法在識別精度上均有很大提高
數據集	1、Kinect dataset 2、NTU-RCB+D數據集
鏈接	https://github.com/yysijie/st-gcn?
相關圖