学术速递3 | 北大3D骨架行为识别综述 | 深度域适应目标检测综述 | 股票预测等[2.23]

WX公主号(arXiv每日学术速递)，欢迎关注，感谢支持哦~

几篇本周的paper：

• 3D骨架行为识别综述 北京大学
• 深度域适应目标检测综述 中科院自动化所
• 用时间序列股票相似度改进标普股票预测
• SemI2I-用于遥感数据域适配的Image-to-Image Translation Inria
• 综述：深度学习在金融中的应用

1. 北大3D骨架行为识别综述

北京大学：北大写的基于3D Skeleton的行为识别的综述，反正现在水行为识别的paper辣么多，不如看个综述吧……
标题：A Survey on 3D Skeleton-Based Action Recognition Using Learning Method
作者：Bin Ren,...，Hong Liu
链接：https://arxiv.org/pdf/2002.05907.pdf
基于三维骨架的动作识别，由于骨架的潜在优势，一直是计算机视觉领域的研究热点。因此，多年来人们已经做了很多令人印象深刻的工作，包括传统的基于手工特征的和基于学习特征的。然而，以往关于动作识别的研究大多集中在视频或RGB数据占主导地位的方法上，现有的关于骨骼数据的综述很少，主要是针对骨骼数据的表示或某些经典技术在某一数据集上的性能。此外，虽然深度学习方法在这一领域已经应用多年，但从深度学习体系结构的角度对其进行介绍或综述还没有相关的研究关注。为了突破这些局限，本研究首先强调了动作识别的必要性和3D Skeleton数据的重要性。然后对基于递归神经网络(RNN)的主流动作识别技术、基于卷积神经网络(CNN)的主流动作识别技术和基于图卷积网络(GCN)的主流动作识别技术进行了全面的介绍。最后，我们简要介绍了最大的3D Skeleton数据集NTU-RGB+D及其新版NTU-RGB+D120，以及这两个数据集中现有的几种顶级算法。据我们所知，这是首次对基于深度学习的3D骨骼数据的动作识别进行了全面的探讨。