基于时空图卷积模型的分析归纳

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