### 论文精读——An Attention Enhanced Graph Convolutional LSTM Network for Skeleton-Based Action Recogniti

论文精读——IIP-Transformer: Intra-Inter-Part Transformer for Skeleton-Based Action Recognition

近期在做基于关键点的人体动作识别研究，调研了几篇基于transformer架构的 skeleton based action recognition 方面的文章，并且进行一个精读。
其中选取的一篇论文题为：IIP-Transformer: Intra-Inter-Part Transformer for Skeleton-Based Action Recognition，来自AIbee 一个AI公司，学生作者分别为北交大和南大的同学。最近刚刚发布在Arxiv上，应该还是在投状态。
个人认为这篇文章的质量还是比较高的， 起码对于我来说不仅具有创新性，还有很大的启发性（文章设计的具体步骤，方式思路，以及一些消融实验真的都非常有趣）

#############################################################################

文章来源

题目：IIP-Transformer: Intra-Inter-Part Transformer for Skeleton-Based Action Recognition

链接&下载地址：

论文地址： https://arxiv.org/abs/2110.13385

一些相关连接:

开源代码：

目前该算法暂无开源代码

paper with code ：https://paperswithcode.com/paper/iip-transformer-intra-inter-part-transformer

#############################################################################

1. 简单说背景

目前基于骨骼关键点的动作识别问题（skeleton based action recognition）经过了3DCNN、 2stream 、LSTM的baseline模型阶段， 在过去的两年左右时间内，基本上是以GCN（图卷积网络）为baseline 进行解决的。标志性的文章就是 19年的ST-GCN（这个应该不用多讲，网络上随便搜一下就有很多解析）。

ST-GCN 可以视为 GCN 结构解决关键点识别问题的“开创者”，这点是毋庸置疑的，因为它不仅仅贡献了一个网络，而是构建了关键点序列拓扑图的一种架构范式，将其转化成CNN 从而直接进行卷积等特征提取操作，从而使得很多CNN的trick以及模块 得以复制和使用到关键点动作识别中。自此之后，大量的基于GCN 的工作得以展开，非常多网络得以提出，也极大的提