
DeGCN:将可变形卷积思想用于基于GCN的骨架行为识别
人体行为识别模型->基于骨骼的人体动作识别与基于视频的相比由于其紧凑的表示形式和对背景变化的鲁棒性而受到了很多关注->传统的基于手工设计特征的方法依赖于特定知识,存在局限性->CNN、RNN的方法将骨骼数据构建为向量序列或伪图像,难以利用骨骼的图拓扑结构->GCN分为光谱方法和空间方法,光谱方法依赖于傅里叶基(即拉普拉斯特征基),使得模型依赖于图,对高度变化的拓扑结构适应性较差,计算成本高且对类内变化敏感;这样可以更好地适应动作在时间维度上的变化,捕捉到更准确的时间信息,从而提高动作识别的准确率。





