Multilevel Decomposition Time Aggregation Graph Convolution Networks for Skeleton-Based Action Recognition

计算机科学 动作识别 RGB颜色模型 核(代数) 图形 稳健性(进化) 卷积(计算机科学) 人工智能 模式识别(心理学) 理论计算机科学 算法 数学 人工神经网络 生物化学 化学 组合数学 基因 班级(哲学)
作者
Wenhua Li,Enzeng Dong,Jigang Tong,Sen Yang,Zufeng Zhang,Wenyu Li
出处
期刊: 卷期号:abs 2105 14490: 1611-1615
标识
DOI:10.1109/icma57826.2023.10215860
摘要

Skeleton-based human action recognition has become a popular topic among researchers. This is because using skeletal data provides a robust solution to problems encountered in complex environments, such as changes in perspective and background interference. The robustness of skeletal data enables recognition methods to focus on more specific and relevant features. We propose a model called multilevel decomposition time aggregation graph convolution network (MDT-GCN), which utilizes a multilevel graph convolution kernel to capture higher-order spatial dependence relationships between joints. This is achieved by decomposing a human topology graph into smaller graphs, each of which has its own graph convolution kernel. To further enhance the performance of our model, we employ a two-flow framework and channel topology refinement strategy. Our experiments on the NTU-RGB+D60 and NTU-RGB+D120 datasets demonstrate that our MDT-GCN network outperforms the previous algorithm and significantly improves the accuracy of action recognition.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
橙子完成签到,获得积分10
刚刚
1秒前
美好的鼠标完成签到,获得积分10
1秒前
jojo完成签到,获得积分10
1秒前
小太阳完成签到,获得积分10
2秒前
超人研究生完成签到,获得积分10
2秒前
ada发布了新的文献求助20
2秒前
满意草丛发布了新的文献求助10
2秒前
时尚元槐完成签到,获得积分10
2秒前
JamesPei的应助被云宝宝采纳,获得30
2秒前
3秒前
YIQI完成签到,获得积分10
3秒前
3秒前
3秒前
3秒前
杨修发布了新的文献求助10
3秒前
123的应助被哇哈哈哈哈哈采纳,获得10
4秒前
顺顺顺发布了新的文献求助10
4秒前
Lotus发布了新的文献求助10
4秒前
霸波儿奔完成签到,获得积分10
4秒前
4秒前
无聊完成签到,获得积分10
4秒前
红丽阿妹发布了新的文献求助10
4秒前
真实的含羞草完成签到,获得积分10
5秒前
zhouhaoyi发布了新的文献求助10
5秒前
5秒前
Simon完成签到,获得积分10
5秒前
彭于晏的应助被Xhaooo采纳,获得10
5秒前
5秒前
5秒前
5秒前
Rudy_Li发布了新的文献求助10
6秒前
Akim的应助被时尚访曼采纳,获得10
6秒前
三七四十三完成签到,获得积分10
6秒前
白宛筠完成签到,获得积分10
6秒前
6秒前
田様的应助被瓷塲采纳,获得10
7秒前
美少叔叔完成签到 ,获得积分10
7秒前
2Sheep完成签到,获得积分10
7秒前
欧阳慕山完成签到,获得积分10
8秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1500
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
Analyses de reconnaissances de dettes passées devant les échevins d'Ypres (1249-1291) 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8159480
求助须知:如何正确求助?哪些是违规求助? 9554975
关于积分的说明 21723753
捐赠科研通 7749303
什么是DOI,文献DOI怎么找? 3427226
关于科研通互助平台的介绍 2552227
邀请新用户注册赠送积分活动 2471592