图卷积网络进行骨骼识别代码_[论文阅读]基于骨架动作识别的空间残差层和密集连接块增强的时空图卷积网络...

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，