【论文笔记】一种适用于基于骨骼的动作识别的增强图卷积LSTM网络

1. 摘要翻译

基于骨骼的动作识别是一项重要的任务，它要求从给定的骨骼序列中充分理解人类动作的运动特征。最近的研究表明，研究骨骼序列的空间和时间特征对这个任务是非常重要的。除此之外，如何提取不同的时空特征仍然是一项具有挑战性的工作。在这篇文章中，我们提出了一种注意力增强图卷积LSTM网络，来从骨骼数据中进行人体动作识别。文章提出的AGC-LSTM不仅可以捕捉空间构型和时间动态的判别特征，而且可以探索时空域之间的共现关系。我们同时提出了一种时间层级结构来提高顶级AGC-LSTM层的时间感受野，增强了模型学习高级语义表达的能力，并且显著减少了运算开销。更进一步地，为了选择有识别力地空间信息，作者使用了注意力机制来增强AGC-LSTM每一层关键节点的信息。实验结果是在NTU RGB+D dataset和Northwestern-UCLA两个数据集上测试得到的。
NTU RGB+D dataset介绍：https://blog.csdn.net/Yao_tc/article/details/84304919
Northwestern-UCLA：http://wangjiangb.github.io/（搜索到了一个人的git主页）