名称 | ST-GCN |
---|---|
目的 | 解决基于人体骨架关键点的人类动作识别问题 |
优点 | 1、空间关系 利用人类关节空间关系理解人类行为 2、层次性 ST-GCN 的层次性消除了手动划分部分或遍历规则的需要。这不仅能获得更强的表达能力和更高的性能(如我们的实验所示),而且还使其易于在不同的环境中推广。 |
缺点 | |
特点 | 1、我们提出 ST-GCN,一个基于图的动态骨骼建模方法,这是首个用以完成本任务的基于图形的神经网络的应用。 2、我们提出了在 ST-GCN 中设计卷积核的几个原则,旨在满足骨骼建模的具体要求。 3、在基于骨骼动作识别的两个大规模数据集上,我们的模型与先前使用的手动分配部分或遍历规则的方法相比,需要相当少的手动设计,实现了更优越的性能。 |
技术 | 1、整个模型用反向传播进行端对端方式的训练 |
精确度 | 在两个数据集的三个测试协议上,ST-GCN 相比现有方法在识别精度上均有很大提高 |
数据集 | 1、Kinect dataset 2、NTU-RCB+D数据集 |
链接 | https://github.com/yysijie/st-gcn? |
相关图 |
基于时空图卷积模型的分析归纳
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.
相關文章
注解版:基于动态骨骼的动作识别方法ST-GCN(时空图卷积网络模型)
RouTineD
2020-07-07 11:11:25
图卷积-动作识别-姿态预测三篇论文归纳
RouTineD
2020-07-07 11:11:21
浅析CNN卷积神经网络feature map
RouTineD
2020-07-07 11:11:21
Numpy实现图卷积网络
RouTineD
2020-07-07 11:11:19
动作识别——action recognition新手入门
LetItBe3
2020-07-07 20:22:22
动作识别——Multi-Model Domain Adaptation for Fine-Grained Action Recognition——CVPR2020 oral
LetItBe3
2020-07-07 19:25:33
Temporal Pyramid Network for Action Recognition(CVPR2020)
YoJayC
2020-07-05 17:06:48
2018.8.8 kaggle 图像分类项目
小明_1995
2020-07-08 05:52:34
TensorFlow学习笔记(二)深层神经网络与优化算法
RouTineD
2020-07-07 11:11:19
图像风格迁移——《A Neural Algorithm of Artistic Style》
老笨妞
2020-07-05 15:00:45
基于全卷积的图像语义分割—《Fully Convolutional Networks for Semantic Segmentation》
老笨妞
2020-07-05 15:00:45
Deep dream——《Going Deeper into Neural Networks》
老笨妞
2020-07-05 15:00:45
ImageDataGenerator生成器的flow,flow_from_directory用法总结,及自己踩的坑【原创】
Monster_H7
2020-07-04 02:49:22
卷积神经网络 Tensorflow
杨Laughing
2020-07-03 12:03:23