文献

J-GLOBAL ID：202002224766961133   整理番号：20A2029645

スケルトンベース行動認識のための注意強化再帰グラフ畳込みネットワーク【JST・京大機械翻訳】

An Attention-Enhanced Recurrent Graph Convolutional Network for Skeleton-Based Action Recognition

著者 (3件)： Ding Xiaolu (China Mobile Research Institute, Beijing, China) ,  Yang Kai (China Mobile Research Institute, Beijing, China) ,  Chen Wai (China Mobile Research Institute, Beijing, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： SPML ’19  ページ： 79-84  発行年： 2019年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 人間骨格の動的運動は,行動認識のためのロバストなモダリティとしてますます注目を集めている。すべての時間的段階と骨格関節が行動認識のために有益でないので,無関係な情報はしばしば検出性能を低下させることができるノイズをもたらして,弁別的時間的と空間的特徴を抽出することは重要な作業になる。本論文では,スケルトンベースの行動認識のための新しいエンドツーエンド注意増強再帰グラフ畳込みネットワーク(AR-GCN)を提案した。AR-GCNでは,異なる時間段階と空間継手に異なるレベルの注意を払うために,注意増強機構を採用した。このアプローチは,キーフレームとキージョイントだけを用いて起こる情報損失を克服する。特に,AR-GCNは,元のGCNの不規則な関節表現力を保持する双方向性再帰ニューラルネットワーク(BRNN)とグラフ畳込みネットワーク(GCN)を結合して,一方,反復ネットワークを導入することによって,逐次モデリング能力を促進した。実験結果は,広く用いられているNTUと速度データセットに関する提案モデルの有効性を実証した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *畳込み ,  *ネットワーク ,  ニューラルネットワーク ,  エンドツーエンド方式 ,  有効性 ,  ロバスト性
準シソーラス用語： モダリティ ,  表現力 ,  キーフレーム ,  双方向性 ,  リカレントニューラルネットワーク ,  行動認識 ,  データ損失 , 【Automatic Indexing@JST】

著者キーワード (5件)： 行動認識 ,  注意増強 ,  グラフ畳込み ,  リカレントネットワーク ,  骨格ベース

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： スケルトン ,  行動認識 ,  注意 ,  強化 ,  グラフ ,  畳込み