An Attention Enhanced Graph Convolutional LSTM Network for Skeleton-Based Action Recognition

An Attention Enhanced Graph Convolutional LSTM Network for Skeleton-Based Action Recognition

来自2019CVPR 的基于骨架的动作识别

本文主要贡献：

1.提过了一个新的针对骨架学习的框架AGC-LSTM network

2.在网络中使用了attention mechanism 去增加增强关键节点的特征

3.提出了temporal hierarchical architecture，提高了学习高层时空语义特征的能力，显著降低了计算量。

Neural networks with graph

主要包含两种方法

1. 一种称为图神经网络（gnn）的框架是图与递归神经网络的结合。通过消息传递和节点状态更新的多次迭代，每个节点在其相邻节点内捕获语义关系和结构信息。

2. 另一个框架是图卷积网络（gcn），它将卷积神经网络推广到图上。其中主要spectral GCNs 和spatial GCNs.。spectral GCNs在谱域上变换图形信号，然后在谱域上应用谱滤波器。对于spatial GCNs，利用其邻域信息，采用卷积运算为每个节点计算一个新的特征向量。

Graph Convolutional Neural Network

定义了图卷积中的卷积运算