名称 | ST-GCN |
---|---|
目的 | 解决基于人体骨架关键点的人类动作识别问题 |
优点 | 1、空间关系 利用人类关节空间关系理解人类行为 2、层次性 ST-GCN 的层次性消除了手动划分部分或遍历规则的需要。这不仅能获得更强的表达能力和更高的性能(如我们的实验所示),而且还使其易于在不同的环境中推广。 |
缺点 | |
特点 | 1、我们提出 ST-GCN,一个基于图的动态骨骼建模方法,这是首个用以完成本任务的基于图形的神经网络的应用。 2、我们提出了在 ST-GCN 中设计卷积核的几个原则,旨在满足骨骼建模的具体要求。 3、在基于骨骼动作识别的两个大规模数据集上,我们的模型与先前使用的手动分配部分或遍历规则的方法相比,需要相当少的手动设计,实现了更优越的性能。 |
技术 | 1、整个模型用反向传播进行端对端方式的训练 |
精确度 | 在两个数据集的三个测试协议上,ST-GCN 相比现有方法在识别精度上均有很大提高 |
数据集 | 1、Kinect dataset 2、NTU-RCB+D数据集 |
链接 | https://github.com/yysijie/st-gcn? |
相关图 |
基于时空图卷积模型的分析归纳
最新推荐文章于 2024-05-09 10:12:39 发布