![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
行为识别
文章平均质量分 92
盏云
这个作者很懒,什么都没留下…
展开
-
【深度学习】步态识别-论文阅读:(ICCV-2021)通过有效的全局-局部特征表示和局部时间聚合进行步态识别
这里写目录标题论文详情Abstract1. Introduction2 主要贡献3 Proposed Method3.1 Overview3.2 Local Temporal Aggregation3.3 Global and Local Feature Extractor3.4 Feature Mapping3.5 Loss Function4 Conclusion论文详情论文题目:Gait Recognition via Effective Global-Local Feature Represe原创 2022-01-21 00:38:27 · 4279 阅读 · 1 评论 -
深度学习:行为识别综述
这里写目录标题改进方向其他研究方向行人重识别(Person Re-Identification)多模态基于骨架的动作识别(Skeleton-based Action Recognition);改进方向在基于图卷积的行为识别工作和类似的工作中,研究重点在以下几个方面:1.如何设计GCN的输入,用一些更加具有识别能力的特征来代替空间坐标,作为网络输入。2.如何根据问题来定义卷积操作,这是非常硬核的问题。3.如何设计邻接矩阵。4.如何确定权重分配策略。邻接矩阵和权重矩阵在GCN中非常重要,其中权重矩原创 2021-12-02 21:38:41 · 6523 阅读 · 0 评论 -
深度学习-论文阅读:动作结构性图卷积网络AS-GCN
这里写目录标题过去问题:改进创新点整体结构Actional Links (A-links)过去问题:基于关节间的固定骨架只捕捉关节间局部的物理依赖性改进对ST-GCN的一个较大的改进,都是利用图卷积网络进行行为识别。不同的是ST-GCN仅仅关注于18个关节点的骨架图上物理相邻关节点之间的关系。而本文在前者的基础上不但关注了物理相邻的关节点,而且更加注重在物理空间上不相邻关节点之间的依赖关系。解决了以下ST-GCN的缺点:1.提取通过骨骼直接连接的关节的特征,但忽略了可能包含关键模式的遥远关节原创 2021-11-25 13:44:03 · 2022 阅读 · 0 评论