Spatial Residual Layer and Dense Connection Block Enhanced Spatial Temporal Graph Convolutional Network for Skeleton-Based Action Recognition
来源作者单位会议论文地址代码江南大学ICCV 2019暂无
创新点
引入了空间残差层来捕获和融合时空特征
在先前的工作中,时空层包括空间图卷积和时间卷积。但是不同卷积的序列叠加会混合不同域的信息,从而导致识别不准确。通过引入跨域空间残差卷积,可以增强时空信息
此外,提出了一个密集连接块来提取全局信息
它由多个空间残差层组成。在这些层中,可以通过密集连接来传递信息。
结合上面提到的两个组件来创建了一个时空图卷积网络(ST-GCN),称为SDGCN
图1.该方法将2D空间卷积与1D时间卷积集成在一起,用于时空特征表示,用于基于骨骼的动作识别。 蓝色方块代表空间图卷积,黄色代表时间卷积。
网络结构
主要工作:空间残差层和密集连接块增强的时空图卷积网络
空间残差层Spatial Residual Layer (SRL)
ResNet 首先通过引入残差结构来提出残差连接的概念,其中输入节点信息通过恒等映射传递。残差映射的想法是删除相同的主要部分,从而突出显示较小的更改。通过引入残差映射,整个结构对输出的变化更加敏感。残差层可以看作是一个放大器,