文献

J-GLOBAL ID：202202291477486137   整理番号：22A1000917

スケルトンモダリティに基づくマルチレベルゲートマップ畳込み動作認識ネットワーク【JST・京大機械翻訳】

Multi-scale Gated Graph Convolutional Network for Skeleton-based Action Recognition

著者 (5件)： Gan Chuang (中国科学技術大学軟件学院 江蘇 蘇州215000) ,  Wu Guixing (中国科学技術大学軟件学院 江蘇 蘇州215000;中国科学技術大学蘇州高等研究院 江蘇 蘇州215000) ,  Zhan Qingyuan (中国科学技術大学軟件学院 江蘇 蘇州215000) ,  Wang Pengkun (中国科学技術大学軟件学院 江蘇 蘇州215000) ,  Peng Zhilei (中国科学技術大学軟件学院 江蘇 蘇州215000)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 49  号： 1  ページ： 181-186  発行年： 2022年 
JST資料番号： C2530A  ISSN： 1002-137X  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： 人間動作認識は,非常に挑戦的な研究課題であり,安全監視,人間-コンピュータ相互作用,および自動運転の分野で広く用いられる。近年、図畳み込みネットワークは、非ユークリッド構造データをモデル化する上で、大きな成功を収め、骨格モード動作識別に新たな考え方を提供した。スケルトン事前定義グラフは大量のノイズを含むので,既存の方法は空間依存性をモデル化するために高次空間特性を使用する。しかし,高次部分集合は,頂点間の動的相関を大域的に反映できない。さらに、主流方法において、時間依存性使用の畳込みニューラルネットワークあるいは循環ニューラルネットワークをシミュレーションしても、多範囲の時系列関係を捕えることができない。これらの問題を解決するために,本論文は,マルチレベルゲート制御グラフ畳込み動作認識ネットワークフレームワークを提案した。具体的に、時間帯頂点間の多時期依存関係を抽出するために、ゲート制御時系列畳込みモジュールを提案し、同時に、多次元注意力メカニズムを通じて、図のグローバル特徴を増強させる。提案手法の有効性を検証するため、NTU-RGB+DとKineticsの2つの大型ビデオ行為識別基準データセット上で実験を行った。結果は,提案方法の性能が,現在の最先端の方法より優れていることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  相互作用 ,  *畳込み ,  *ネットワーク ,  自動運転 ,  ニューラルネットワーク ,  認識 ,  モデリング ,  録画装置 ,  高次元 ,  コンピュータ
準シソーラス用語： *モダリティ ,  *マルチレベル ,  *動作認識 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： スケルトン ,  モダリティ ,  畳込み ,  動作認識