转眼来到了论文阅读计划的第七天啦~(存货也日益耗尽啦
大家如果有看到不错的论文,也推荐我来看看~嘻嘻嘻别人都是剧荒、小说荒,我们一起论文荒哈哈哈哈哈
平时我主要是根据自己的论文需求来看论文,所以覆盖面相对就比较狭窄,所以欢迎大家来扩充我的认知库!!!
今天介绍一篇在提升准确率的同时,大大优化性能、效率的一篇论文。
一、题目关键词解读
shift: 转换、移位
二、研究背景
本文也是基于ST-GCN这篇论文来改进的,之前绝大多数论文都在疯狂提升NTU数据集的准确率,极少有人关注效率这块。目前准确率已经很难再继续提升啦,所以大家又开始关注怎么让模型变得没那么复杂,提升下效率。
三、研究目标 & 内容
目标:改进卷积的方式,能够大幅度提升效率,减少参数、降低模型计算复杂度。
内容:结合CNN中的shift结构,首次将其引入到GCN中,同时在时序TCN上进行CNN的shift操作,大大的减少了模型参数和计算复杂度。
四、方法
Shift 操作在CNN和GCN中的表现: