Skeleton-Based Action Recognition Using Shift Graph Convolutional Networks CVPR 2020 Note
发布时间
阅读量：
阅读量
采用图卷积技术进行动作识别
Contribution
提出了一种名为shift-GCN（空间位移图操作与时间位移图操作）的新型方法，其在保证性能的同时，计算成本仅为现有最先进方法的1/10以上，有效克服了以往研究中的两大缺陷：一是基于GCN的方法存在较高的计算复杂度；二是空间图与时间图的接收域设计不够灵活且为预设固定形式。
Methods
研究者从shift-CNNs中获得启发，针对空间GCN与时间GCN分别提出了创新性的思路，每类方法均包含两个具体方案：
- 两种不同类型的空间位移图操作
局部偏移图操作
使物理连接的节点之间实现信息偏移，随后通过1x1卷积完成通道间的信息整合以及维度的提升或缩减。
全部评论 (0)
还没有任何评论哟~