- 论文名称:Skeleton-Based Action Recognition with Multi-Stream Adaptive Graph Convolutional Networks
- 论文下载:https://arxiv.org/pdf/1912.06971.pdf
- 论文代码:https://github.com/lshiwjx/2s-AGCN(这是 MS-AAGCN 原论文中提供的网址)
论文:基于骨架的多流自适应图卷积网络动作识别
摘要
图卷积网络(GCNs)将 CNN 推广到更通用的非欧几里得结构,在基于骨骼的动作识别方面取得了显著的性能。然而,以往基于 GCN 的模型仍然存在一些问题。首先,在所有模型层和输入数据上启发式地设置并固定图的拓扑结构。这可能不适合 GCN 模型的层次结构和动作识别任务中数据的多样性。
其次,骨骼数据的二阶信息,即骨骼的长度和方向很少被研究,这自然对人体动作识别的信息量和鉴别性更强。在这项工作中,我们提出了一种新的多流注意力增强自适应图卷积神经网络(MS-AAGCN)用于基于骨骼的动作识别。
我们模型中的图拓扑可以基于输入数据以端到端方式进行统一或单独学习。这种数据驱动的方法增加了图构建模型的灵活性,并带来了更多的通用性,以适应各种数据样本。
此外,本文提出的自适应图卷积层通过时空通道注意模块