GCN
图卷积网络,领域方向:动作识别
Lyp_student
人与人的差距比人和猪的还大
展开
-
Self-Attention Network for Skeleton-based Human Action Recognition
文章目录摘要介绍文章模型概述:Self-Attention NetworkMuti-head attention:ApproachRaw Position and Motion DataPosition Data:Motion DataEncoderNon-Linear EncoderCNN Based Encoder1.卷积第一层:2.卷积第二层:3.permute4.卷积第三层+Max-poo...原创 2020-03-06 16:01:35 · 1290 阅读 · 0 评论 -
DeepGCNs- Can GCNs Go as Deep as CNNs?
本篇文章主要阐述了我们怎么去构建一个网络使得GCN能够堆叠更深的层且不会发生梯度消失的问题。讲了3个method:1.Resnet 2.Densenet 3.Dilated convolutions 。该模型的很多技巧以及method对其他的方向感觉有比较大的借鉴意义。Introduction在目前我们所用到的GCN中,一般layers都大致在4层左右,并不会堆叠更多,主要是因为随着层数的增...原创 2019-11-18 16:44:18 · 705 阅读 · 0 评论 -
Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition(动作识别)
Introduction动作识别的常用方法:appearance,depth,光流,骨架序列本文主要研究骨骼序列,利用图卷积的方法构建一个有效的模型。骨架序列模型所谓骨骼序列就是指一个在时间轴上的骨骼坐标的序列集合。早期骨架模型的缺点:1.早期的方法是对一个时间帧上的所有骨架节点的坐标flatten平铺作为一个向量,仅仅以时序的方法去分析。忽略了骨架在一个时间帧上的空间信息,这个信息对...原创 2019-11-17 17:48:57 · 2301 阅读 · 0 评论 -
Actional-Structural Graph Convolutional Networks for Skeleton-based Action Recognition(CVPR2019)
Introduction过去方法的最大问题:1.based on fixed skeleton among joints.2.only capture local physical dependencise among joints本篇文章的几个突出点:1.introduce an encoder-decoder structure to capture action-specific ...原创 2019-11-16 17:01:25 · 2574 阅读 · 5 评论