文献

J-GLOBAL ID：202202242789366881   整理番号：22A0496796

スケルトンベース動作認識のための混合グラフ畳込みと残差変換ネットワーク【JST・京大機械翻訳】

Mixed graph convolution and residual transformation network for skeleton-based action recognition

著者 (5件)： Liu Shuhua (School of Information Science and Technology, Northeast Normal University, Changchun, China) ,  Bai Xiaoying (School of Information Science and Technology, Northeast Normal University, Changchun, China) ,  Fang Ming (School of Information Science and Technology, Northeast Normal University, Changchun, China) ,  Li Lanting (School of Information Science and Technology, Northeast Normal University, Changchun, China) ,  Hung Chih-Cheng (Center for Machine Vision and Security Research, Kennesaw State University, Marietta, GA, USA)
資料名： Applied Intelligence  (Applied Intelligence)
巻： 52  号： 2  ページ： 1544-1555  発行年： 2022年 
JST資料番号： W0297A  ISSN： 0924-669X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 人間骨格に基づく行動認識は,非常に挑戦的な研究問題である。人間の骨格に含まれる時間情報は,空間情報よりも抽出が困難であった。多くの研究者はグラフ畳込みネットワークに焦点を当て,それらを行動認識に適用する。本研究では,RNXt-GCNと呼ばれる2ストリームネットワークに基づく行動認識法を,空間-一時的グラフ畳込みネットワーク(ST-GCN)に基づいて提案する。空間時間畳込みを行うため,それぞれ,ST-GCNとResNeXtに入力する空間-時間グラフとSkeleMotion画像に,ヒト骨格を変換する。次に,畳み出された特徴を融合した。提案方法は,動作の振幅と方向からの動作における一時的情報をモデル化して,ST-GCNにおける分離した一時的情報の短所に対処した。実験は4つのデータセットで包括的に行った。1)UTD-MHAD,2)北西-UCLA,3)NTU RGB-D 60,4)NTU RGB-D 120。提案モデルは,著者らの実験において他のモデルと比較して非常に競合した結果を示した。NTU RGB+D120データセットの実験で,提案モデルは最先端の2ストリームモデルのそれらより優れている。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  *ネットワーク ,  *残差 ,  ヒト
準シソーラス用語： 空間情報 ,  時間情報 ,  *動作認識 ,  行動認識 ,  RGB-D , 【Automatic Indexing@JST】

著者キーワード (4件)： 行動認識 ,  ヒト骨格 ,  ST-GCN ,  ResNeXt

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： スケルトン ,  動作認識 ,  グラフ ,  畳込み ,  残差