文献

J-GLOBAL ID：202202277336978129   整理番号：22A0990421

スケルトンに基づく適応スケールマップ畳込み動作認識【JST・京大機械翻訳】

Scale Adaptive Graph Convolutional Network for Skeleton-Based Action Recognition

著者 (4件)： Wang Xiaojuan (北京郵電大学電子工程学院,北京 100876) ,  Zhong Yun (北京郵電大学電子工程学院,北京 100876) ,  Jin Lei (北京郵電大学電子工程学院,北京 100876) ,  Xiao Yabo (北京郵電大学電子工程学院,北京 100876)
資料名： Tianjin Daxue Xuebao. Ziran Kexue Yugongcheng Jishu Ban  (Tianjin Daxue Xuebao. Ziran Kexue Yugongcheng Jishu Ban)
巻： 55  号： 3  ページ： 306-312  発行年： 2022年 
JST資料番号： C3006A  ISSN： 0493-2137  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： スケルトンに基づく動作認識タスクでは、一般的に骨格配列をプレ定義の時空トポロジー図として表現する。しかし、サンプルの多様性のため、固定尺度のトポロジー図はしばしば最適構造ではなく、サンプル特性に対して適応尺度を構築する骨格トポロジー図は時空特徴をより良く捉えることができる。また、異なる尺度の骨格図は異なる粒度の人体構造特徴を表現できるため、複数の異なる尺度のトポロジー図に対して特徴抽出と融合が必要である。これらの問題に照準を定めて,適応スケールグラフ畳込み動作認識モデルを提案した。このモデルは,適応スケールグラフ畳込みモジュールと多重スケール融合モジュールを含む。適応スケールグラフコンボリューションモジュールは先験と空間注意機構に基づいて、キーポイントの活躍度判定器を構築し、アクティブポイントを小スケール構造、非アクティブポイントに細分化し、大スケール構造として、ノード間の特徴伝達を加速させながら、特徴損失を最小化した。マルチスケール融合モジュールは,チャネル注意機構に基づいて,異なるスケールの特徴を動的に融合し,ネットワークの柔軟性をさらに向上させる。最後に、キーポイント、骨格、運動情報をまとめ、マルチパス特徴集合の動作判別を実現し、モデルの特徴を豊かに表現する。結果は,このアルゴリズムが,NTU-RGBDデータセットのCSとCV部分集合において,それぞれ,89.7%と96.1%の分類精度を達成し,動作認識の精度を著しく改善することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  位相幾何学 ,  *畳込み ,  ネットワーク ,  *スケール ,  モジュール ,  特徴抽出 ,  精度 ,  柔軟性 ,  モデル ,  図形 ,  構造特性
準シソーラス用語： 多経路 ,  マルチスケール ,  *動作認識 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： スケルトン ,  適応 ,  スケール ,  マップ ,  畳込み ,  動作認識