![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文阅读
Mr_WangAndy
一个追求自由的Cpper!
展开
-
论文阅读_Part-based Graph Convolutional Network for Action Recognition笔记
好久没有写过博客了,有不少可写的,都记在笔记上了,等以后用到哪个知识的时候,从笔记上再整理吧。看看我滴笔记本吧,这是我这半年多的笔记,也没少记啊。最近在写我滴小论文,这篇文章不错,我在这片文章上改进了一下,创新点算是pooling吧。直接上图:好啦,就到这里啦,继续弄小论文了。...原创 2020-09-20 07:21:47 · 415 阅读 · 1 评论 -
论文阅读_Spectral Networks and Deep Locally Connected Networks on Graphs
Abstract这篇文章最早的把CNN扩展到图上,俗称‘’第一代GCN.‘’ CNN一般是基于欧式空间的,有如下特点:1> 权重共享2> 局部性:欧式空间可以支持卷积核,局部卷积计算。3> 通过卷积和池化,减少参数。文章通过两种方式构建图卷积:空域构建(Spatial Construction)和频域构建(Spectral Construction)。一、研究背景CNN在欧式空间进行卷积计算的,而有的数据不能满足这样的要求:比如:表面张力或温度,来自气象站网络的测量,或来自社原创 2021-06-02 16:17:16 · 140 阅读 · 0 评论 -
论文阅读_Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition
Abstract人体骨架动力学为人体动作识别提供了重要信息。传统的骨架建模方法通常依赖于手工制作的部件或遍历规则,从而导致表达能力有限和泛化困难。在这项工作中,我们提出了一种新的动态骨架模型,称为时空图卷积网络(ST-GCN),它超越了以往方法的限制,自动学习数据的时空模式。该公式不仅具有较强的表达能力,而且具有较强的泛化能力。在Kinetics和NTU-RGBD两大数据集上,它比主流方法有了很...原创 2021-06-02 16:13:54 · 435 阅读 · 0 评论 -
论文阅读_动作识别特点
动作识别似乎是一种图像识别的延伸:对视频的多帧图像进行处理并将最后的结果进行聚合。1、需要巨大的计算耗时:例如一个101类别的图像分类需要5M的参数,但当将其架构从2D扩展到3D后,就需要33M的参数,而且需要花费3-4天的时间用UCF101数据训练3D卷积。(耗时)2、需要考虑上下文:动作识别需要从整个序列帧中抓住时空信息。除此之外,空间信息还会因为摄像头的抖动而产生损失。(考虑上下文)3...原创 2021-06-02 16:13:24 · 110 阅读 · 0 评论 -
论文阅读_Heatmap解释
关节的热力图(Heatmap)每一个关节点,生成一张热力图heatmap, 热力图的响应值作为关节位置的概率或似然. 热力图中数值越大的位置,响应值越大,表示越有可能是关节的位置....原创 2020-04-26 15:35:44 · 1492 阅读 · 0 评论 -
论文阅读_人体姿态估计、动作识别现状
人体姿态估计当前主流研究的基础问题和难点一、基本定义:从单张RGB图像中,精确地识别出多个人体的位置以及骨架上的稀疏的关键点位置。二、基本任务:给定一张RGB图像,定位图像中人体的关键点位置,并确定其隶属的人体。直观的问题:关键点及周围的局部特征是什么样的?关键点之间、人体肢体的空间约束关系是什么样的,以及层级的人体部件关系是什么样的?不同人体之间的交互关系是什么样的,人体与外界环...转载 2020-04-26 15:02:18 · 8420 阅读 · 0 评论 -
论文阅读_Distribution-Aware Coordinate Representation for Human Pose Estimation学习笔记
Abstract总结:这篇文章系统地研究了Heatmap上的热图表示。主要是:预测的热图解码成原始图像空间中的最终关节坐标的过程。针对所发现的重要性,我们进一步探讨了现有方法中广泛使用的标准坐标译码方法的设计局限性,并提出了一种更有原则的分布式感知译码方法**(创新点1)。我们通过为无偏模型训练生成精确的热图分布来改进标准坐标编码过程(即,将地面真实坐标转换为热图)。(创新点2)。把这两个创新点...原创 2020-04-26 08:40:45 · 1559 阅读 · 1 评论