没有合适的资源?快使用搜索试试~ 我知道了~
ST-GCN 论文原文和解读的 pdf。 传统的⻣骼建模⽅法通常依赖于⼿⼯制作的部件或遍历规则,从⽽导致表达能⼒有限和泛化困难,针对特定应⽤设计的模型很难推⼴到其他应⽤。 在这项⼯作中,作者提出了⼀种新的动态⻣架模型,称为时空图卷积⽹络(ST-GCN),它通过⾃动从数据中学习空间和时间模式,超越了以前⽅法的限制。这种提法不仅具有更强的表达能⼒,⽽且具有更强的泛化能⼒。 这项⼯作的主要贡献在于三个⽅⾯: - 提出了 ST-GCN,这是⼀种基于图的动态⻣骼建模通⽤公式,这是第⼀个将基于图的神经⽹络应⽤于该任务。 - 针对⻣架建模的具体要求,提出了 ST-GCN 中卷积核的设计原则。 - 在基于⻣骼的动作识别的两个⼤规模数据集上,与之前使⽤⼿⼯制作部件或遍历规则的⽅法相⽐,所提出的模型获得了更好的性能,在⼿⼯设计⽅⾯的⼯作量⼤⼤减少。 - ST-GCN 的代码和模型是公开的。
资源推荐
资源评论
资源评论
一杯水果茶!
- 粉丝: 1305
- 资源: 23
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功