2s-AGCN 论文解读

• 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