浅谈对Skeleton-Based Action Recognition with Directed Graph Neural Networks，基于骨架的有向图神经网络动作识别理解_王壹浪的博客-程序员秘密

作者提出因为骨骼数据中的关节和骨骼信息对动作识别任务都有很大的帮助，所以研究出一种利用关节和骨骼之间的关系即人体骨头的方向和长度还有与关节点坐标信息的互补来完成一个动作识别的任务非常具有优势。作者首次将骨骼数据表示为一种有向无环图。在骨骼中引入方向进一步挖掘出骨骼，关节与动作识别之间的关系。并且还设计了一个相对应的有向图卷积网络。因为数据集是原始骨架数据是一系列帧，每个帧都包含一组关节坐标。给定骨骼序列，和关节的二维或三维坐标。作者会先把将每个帧中的关节和骨骼（空间信息）表示为有向无环图中的顶点和边缘。并将其输入有向无环图神经网络（DGNN）中提取特征进行动作识别。最后与基于RGB视频的CNN卷积提取空间信息相结合进一步提高性能。因为骨骼表示为两个连接关节之间的坐标差，一般处理骨骼数据方法都是将骨架数据建模为一个向量序列或一个伪图像，然后投喂到RNNs或CNNs处理。但是，这样话无法提取到关节和骨骼之间的依赖关系。以前骨骼数据的处理都是把它看成一个树形结构，但是在论文中作者把它重新定义为向非循环图(DAG)，关节为顶点，骨骼为边。每条边的方向由顶点和根顶点之间的距离确定。类似于下图这种：

相邻关节骨骼方向离根顶点较近的顶点指向离根顶点较远的顶点，比如手腕的关节由肘部的关节指向它，通过这种有向图方式表示相邻关节之间上下依赖关系。剩下问题如何使用这些依赖关系对动作识别进行一个提升。作者提出了一种有向图神经网络（DGNN），通过邻接矩阵设置为骨骼序列相邻关节依赖关系初始权重的网络参数标签，但是在图卷积基础上提取一个关节及其传入边，传出边的关节和骨骼信息。经过过DGNN的处理得到n个关节的m个特征向量。由这个特征向量中的最大值所表示的局部关节的动作依赖权重值与动作分类形成一个一一映射关系已达到动作识别的目的。最后通过加上RGB视频的CNN卷积得到时间空间信息的特征向量使得模型识别精度得到一个进一步提高。

本文链接：https://blog.csdn.net/com_fang_bean/article/details/107575673

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

备战数学建模9-层次分析法模型_层次分析法stata_nuist__NJUPT的博客-程序员秘密

层次分析法，简称AHP，是建模比赛中最基础的模型之一，其主要用于解决评价类问题，例如：哪中方案更好？哪位运动员或者员工表现得更优秀？一、层次分析模型建立部分下面我们看一道引出层次分析得例题，如下所示：对于上面的题目，我们看样发现是一个评价类问题，解决评价类问题，我们需要想到一下三个问题：1-评价的目标是什么？在这里显然是选择目标景点。2-为了达到目标有几种方案可以选择？在这里是有三种方案可以选择的。3-评价的指标或者准则是什么？就是根据什么评价方案的好坏？.

Pentaho常见问题小结_iteye_18979的博客-程序员秘密

Pentaho Q&amp;A List 下面链接为此文档的PDF格式:http://dl.iteye.com/topics/download/80c28022-bbf0-3b3a-9bb3-6dcc066b7135 作者:http://flyfoxs.iteye.com目录 1.柱状图(Bar Chart),和折线图(Line Ch...

C 二级从键盘输入一些字符，逐个把它们送到磁盘上去，直到输入一个#为止。_張謀謀的博客-程序员秘密

//从键盘输入一些字符，逐个把它们送到磁盘上去，直到输入一个#为止。#include <stdio.h>#include <stdlib.h>main(){ //FILE *fp 是声明，声明fp是指针，用来指向FILE类型的对象。 //*fp是指向文件结构体的指针变量， //通过fp可找到存放某个文件信息的结构变量， //根据这个结构变量的信息找到该文件， //实施对文件的操作。fp通常被成为一个指向文件的指针。 FILE *fp; char ch,fi

昨日关注：40个博客网站排名_zdg的博客-程序员秘密

2005-1-340个博客网站排名 #AnyP排行榜大全正式发布《国内十大中文博客托管网站排行榜》，本榜针对国内的综合性博客（Blog）托管网站进行遴选分析，以各博客主站点在搜索引擎中的综合表现及影响力、受欢迎程度、易用性和美观度为主要参考指标。博客中国、你的博客和博客动力在这次评选中分获前三位。下跌的根本原因：敢于揭示股市内幕的发言 #那么，究竟为什么在中国经济持续多年高速增长、国家

Javascript实现MD5加密_es6 原生md5_Hello World,的博客-程序员秘密

/* * A JavaScript implementation of the RSA Data Security, Inc. MD5 Message * Digest Algorithm, as defined in RFC 1321. * Version 2.1 Copyright (C) Paul Johnston 1999 - 2002. * Other contributors:

gin 框架基于中间件的身份验证和权限验证_gin 权限_杨佳啊的博客-程序员秘密

本模块创作基于gin 框架路由匹配和Django 的身份验证和权限验证创作的,目前主要实现了身份验证,基于路由配置自动匹配需要验证的路由,另外可以通过配置实现不同路由匹配不同身份验证方式 .git地址: https://github.com/xxxxxxming/authtest后续有时间持续更新该模块模块主要由三个文件组成,分别是路由处理,身份认证,中间件拦截. 代码如下:1. 路由处理,包含路由数创建和路由解析package utilsimport ( "bytes" "str

随便推点

Qt opencv 程序异常结束，crashed_AlwaysSimple的博客-程序员秘密

1.问题描述在配置VS2015+Qt+OpenCv3.2时，想在Qt中配置OpenCv3.2，配置完毕后，编译运行可以通过，但是运行的时候会出现报错：Starting D:\demo\build-test-Desktop_Qt_5_8_0_MSVC2015_64bit-Release\release\test.exe...程序异常结束。D:\demo\build-test-Desktop_Qt_5...

《因果学习周刊》第4期：因果发现方法_AMiner学术搜索和科技情报挖掘的博客-程序员秘密

关于周刊因果学习作为人工智能领域研究热点之一，其研究进展与成果也引发了众多关注。为帮助研究与工程人员了解该领域的相关进展和资讯，智源社区结合领域内容，撰写了第4期《因果学习周刊》。发现一组变量之间的因果结构是因果学习中的一个基本问题，旨在理解数据生成的因果机制。在各种科学和工业场景中，这也是一项至关重要的任务，在生物学、卫生保健和经济学等许多领域有着重要的应用，对于算法可解释性、稳定性和公平性的研究也有着重要的作用。在因果发现中，学习到的因果图的形式为有向无环图(DAG)，一种有效的方法是进行随机对照实