AAAI 2020 ｜ 首个使用 NAS 设计的 GCN，达到动作识别SOTA，代码将开源

点击我爱计算机视觉标星，更快获取CVML新技术

---

本文作者为52CV群友彭伟，现就读奥卢大学（芬兰） 博士二年级。

Github：https://github.com/xiaoiker

知乎：https://www.zhihu.com/people/ikerpeng

本文介绍被AAAI 2020录用的论文 Learning Graph Convolutional Network for Skeleton-based Human Action Recognition by Neural Searching，第一个使用神经架构搜索（NAS）设计图卷积网络（GCN）的工作，用于基于skeleton的人体动作识别中，在当前最大的两个数据集中达到目前最高的精度。代码将开源。

动作识别（Action recognition） 是计算机视觉领域中一个非常热门的研究话题。它具有很多有价值的应用，例如 安全监控，行为分析， 以及人机交互等等。 

但是，这个研究课题同时也是一个很有挑战的问题，尤其是对于背景极其复杂，或是存在遮挡的情况。

Skeleton 数据的出现，很大程度上解决了这一类的问题。Skeleton数据当中包含和运动直接相关的信息，对背景具有更好的鲁棒性，同时也能够有效的改善遮挡以及自遮挡的问题。

因此，基于skeleton数据的动作识别也是一个非常具有吸引力的研究课题。

但是对于skeleton这种不规则的具有图结构的数据，相对于image或者是video这种规整数据，使用经典的CNN 等神经网络进行特征提取就要困难很多了。 

但是，从2018年起，不断出现使用图卷积（Graph Convolutional Networks，GCN）来处理这个问题的工作。 基于前面的工作，本文也是想要通过改善GCN来进一步的提升基于骨架信息的动作识别的性能。

虽然GCN极大的提高了动作识别的性能， 但是还是存在很多需要改进的地方。这里我们主要从以下的两个方面去改善现有的GCN。

首先， 在这个任务当中大多数的GCN都是提供一个固定的矩阵（Embedding Matrix， EM）来编码数据节点之间的邻接关系，并且这个矩阵从第一层到最后一层一直都用。

其次，在这个任务上，大部分的GCN都是基于ICLR2017 Max [2]他们的工作做的。也就是说这一类的GCN都是通过一阶的 切比雪夫多项式（Cheb