利用NAS实现GCN网络设计（AAAI2020）

知乎同步发布：https://www.zhihu.com/people/ikerpeng/activities

请介绍一下我们参与AAAI 2020年的研究项目：'基于骨架的人体动作识别的神经搜索方法'

请介绍一下我们参与AAAI 2020年的研究项目：'基于骨架的人体动作识别的神经搜索方法'

动作识别技术在计算机视觉领域是一个极具热门度的研究方向。它在实际应用中展现出许多潜在的优势，并广泛应用于多个重要场景。然而，在处理复杂的背景环境时仍面临诸多挑战问题。随着Skeleton数据的引入，在解决此类问题方面取得了显著进展——该数据集不仅展现了更强的鲁棒性特征，并且有效解决了遮挡问题及自遮挡问题等关键难点。基于这种改进型数据的技术研究也成为当前研究热点之一

对于skeleton这类不规则且具备图结构的数据而言，在相较于图像或视频等更为规整的数据时, 使用经典的CNN等神经网络来进行特征提取会遇到诸多困难。自2018年以来, 不断有研究开始应用图卷积（Graph Convolutional Networks, GCN）来处理这一类问题。鉴于此前的研究成果, 本文希望能够通过改进GCN的方法, 进一步提升基于骨架信息的动作识别性能。

尽管GCN显著提升了动作识别的效果表现，
然而仍存在若干值得优化的空间。
为了进一步完善现有模型架构，
我们将从两大关键点着手优化现有的GCN