本文主要是介绍基于动态骨骼的动作识别方法ST-GCN，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
解读：基于动态骨骼的动作识别方法ST-GCN（时空图卷积网络模型）
2018年04月09日 01:14:14 我是婉君的 阅读数 16076更多
分类专栏： 计算机视觉 论文
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36893052/article/details/79860328
解读：基于动态骨骼的动作识别方法ST-GCN（时空图卷积网络模型）
本文为 AAAI 2018 录用论文「Spatial Temporal Graph Convolutional Networks for Skeleton Based Action Recognition」，香港中文大学提出一种时空图卷积网络，并利用它们进行人类行为识别。这种算法基于人类关节位置的时间序列表示而对动态骨骼建模，并将图卷积扩展为时空图卷积网络而捕捉这种时空的变化关系。
ST-GCN 时空图卷积网络模型
作者：颜思捷，熊元骏，林达华
文章链接：https://arxiv.org/abs/1801.07455
Github 代码：https://github.com/yysijie/st-gcn?
一、简介
近日，香港中大-商汤科技联合实验室的最新 AAAI 会议论文「Spatial Temporal Graph Convolution Networks for Skeleton Based Action Recognition」提出了一种新的 ST-GCN，即时空图卷积网络模型，用于解决基于人体骨架关键点的人类动作识别问题。该方法除了思路新颖之外，在标准的动作识别数据集上也取得了较大的性能提升。 
图1 ST-GCN 最末卷积层的响应可视化结果图
近年来，人类动作识别已经成为一个活跃的研究领域，它在视频理解中起着重要的作用。一般而言，人类行为识别有着多种模态（Simonyan and Zisserman 2014; Tran et al. 2015; Wang, Qiao, and Tang 2015; Wang et al. 2016; Zhao
这篇关于基于动态骨骼的动作识别方法ST-GCN的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
