- 论文名称:Two-stream adaptive graph convolutional networks for
skeleton-based action recognition - 论文下载:https://arxiv.org/pdf/1805.07694.pdf
- 论文代码:https://github.com/lshiwjx/2s-AGCN
论文:基于骨骼动作识别的双流自适应图卷积网络
从名字可以看出,文章主要创新点有两个,一个是双流网络,另外一个是自适应性。
摘要
对于动作识别而言,骨骼数据的二阶信息(骨骼的长度和方向)自然信息量更大,分辨力更强,而现有方法很少对其进行研究。在这项工作中,我们提出了一种新的双流自适应图卷积网络(2s-AGCN)用于基于骨骼的动作识别。
我们的模型中的图的拓扑可以通过BP算法以端到端的方式统一或单独地学习。这种数据驱动的方法增加了模型构造图的灵活性,并带来了更多的通用性,以适应各种数据样本。
此外,提出了一阶信息和二阶信息同时建模的双流框架,显著提高了识别精度。
在 NTU-RGBD 和 KineticsSkeleton 两个大规模数据集上进行的大量