効率的なスケルトンベース人間行動認識のための時間注意増強グラフ畳込みネットワーク【JST・京大機械翻訳】

Heidari Negar; Iosifidis Alexandros

プレプリント

J-GLOBAL ID：202202209282837138 整理番号：21P0056330

効率的なスケルトンベース人間行動認識のための時間注意増強グラフ畳込みネットワーク【JST・京大機械翻訳】

Temporal Attention-Augmented Graph Convolutional Network for Efficient Skeleton-Based Human Action Recognition

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年10月23日プレプリントサーバーでの情報更新日： 2021年04月22日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

グラフ畳み込みネットワーク(GCNs)は,空間時間グラフとしてモデル化した身体骨格形成行動のシーケンスのような非ユークリッドデータ構造のモデリングにおいて非常に成功した。ほとんどのGCNベースの行動認識法は,動作におけるすべての骨格を処理するために,高い計算複雑性を有する深いフィードフォワードネットワークを使用する。これは,多数の浮動点演算(16Gから100G FLOPsの範囲)を,単一サンプルを処理するのに導き,制約された計算アプリケーションシナリオにおける採用を実行不可能にしている。本論文では,ネットワークの初期層における行動の最も有益な骨格を選択することにより,骨格ベースの行動認識における効率を増加させるための時間注意モジュール(TAM)を提案した。著者らは,計算の全数をさらに低減するために,軽量GCNトポロジーにTAMを組み込んだ。2つのベンチマークデータセットに関する実験結果は,提案方法が,ベースラインGCNベースの方法の大規模マージンより優れ,一方,計算の2.9倍少ないことを示した。さらに,それは,最高9.6倍の計算量で,最高水準の構文で実行される。【JST・京大機械翻訳】

, , , , , , ,
, , , , , 【Automatic Indexing@JST】

パターン認識

, , , , ,

前のページに戻る