卷积网络模型——综述"/>
用于骨骼动作识别的卷积网络模型——综述
- 相关研究
- 骨架数据模态
- 基于骨架模态数据的 HAR 方法
- 总结
- 三维卷积网络
- 图卷积网络模型
- ST-GCN
- AS-GCN
- 2s-AGCN
- MS-AAGCN
- CTR-GCN
相关研究
近年来,基于 GCN 的 HAR 已成为一个热门研究方向。
- Yan 等通过引入时空 GCNs (ST-GCNs)来利用 GCNs 进行基于骨骼的 HAR, ST-GCNs 可以自动从骨骼数据中学习空间和时间模式。更具体地说,从输入视频中估计姿态信息,然后通过时空图来实现具有较强泛化能力的动作表示。
- 由于 ST-GCN 忽略了隐式关节相关性,Li 等人进一步提出了动作-结构 GCN(AS-GCN),将活动链接和结构链接组合到一个通用的骨架图中。活动链接用于捕获特定于行动的潜在依赖关系,结构链接用于表示高阶依赖关系。
- 为了更好地探索隐
更多推荐
用于骨骼动作识别的卷积网络模型——综述
发布评论