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
-
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。
-
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