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 |
基於時空圖卷積模型的分析歸納
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.