文档名：基于骨架的多流自适应图卷积网络研究综述
图形卷积模型网络(GCNs)把CNNs模型引入了更为基本的非欧几里德网络结构,但是,基于GCNs的网络模型仍然存在着一些基本问题.首先,将图的数据拓扑模型结构固定在所有数据模型输入层和所有输入层的数据上.这并不完全符合基于GCN两种模型的层次结构,并且不利于在各种动作图像识别分析任务中获取数据的信息多样性.第二,骨骼的最大尺寸与运动方向对于人类细小动作物的识别控制能力而言自然地就具有高度的信息性与高度识别性,但却极少被深入研究.这项研究工作所需要提供的其他更多基础数据如交流注意力和新增强的基于自适应矩形图卷的体积图和神经网络(MSAAGCN)可以用于进行骨架图和动作图的识别.利用基于位图图形拓扑的各种数据图形驱动计算方法大大提高了数据图形库的构建性和模型的操作灵活性,带来了更大的通用性.另外,自适应图卷积层还通过空间-时间信道对关注模块进行提升,并增加了模型中重要的关节、帧和特征.在NTU-RGBD和Kinetics-Skeleton两个大数据集上的大规模实验证明,模型性能有了很大的改善.
作者：李梦竹刘宏哲李学伟徐成
作者单位：北京联合大学北京市信息工程重点实验室北京100101
母体文献：中国计算机用户协会网络应用分会2021年第二十五届网络新技术与应用年会论文集
会议名称：中国计算机用户协会网络应用分会2021年第二十五届网络新技术与应用年会
会议时间：2021年11月1日
会议地点：北京
主办单位：中国计算机用户协会
语种：chi
分类号：
关键词：动作识别 骨架图 自适应图 多流网络
在线出版日期：2022年8月26日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.09 MB
- 下载次数:
- 60
-
高速下载
|
|
