期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于3D骨架相似性的自适应移位图卷积神经网络人体行为识别算法
1
作者
闫文杰
尹艺颖
《计算机科学》
CSCD
北大核心
2024年第4期236-242,共7页
图卷积神经网络(Graph Convolutional Neural network,GCN)在基于3D骨架的人体行为识别领域取得了良好效果。然而,现有的大多数GCN方法对行为动作图的构建都是基于人体物理结构的手动设置,训练阶段各个图节点只能根据手动设置建立联系,...
图卷积神经网络(Graph Convolutional Neural network,GCN)在基于3D骨架的人体行为识别领域取得了良好效果。然而,现有的大多数GCN方法对行为动作图的构建都是基于人体物理结构的手动设置,训练阶段各个图节点只能根据手动设置建立联系,无法感知动作行为过程中骨骼节点之间产生的新联系,导致图拓扑结构不合理和不灵活。移位图卷积网络通过改变图网络结构使得感受野更加灵活,并且在全局移位角度取得了良好效果。因此,提出了一种基于自适应移位图卷积神经网络(Adaptive Shift Graph Convolutional Neural network,AS-GCN)的人体行为识别算法来弥补前述GCN方法的不足。AS-GCN借鉴了移位图卷积网络的思想,提出用每个人体动作的本身特点来指导图神经网络进行移位操作,以尽可能准确地选定需要扩大感受野的节点。在基于骨架的通用动作识别数据集NTU-RGBD上,所提算法在骨骼有无物理关系约束的前提条件下均进行了实验验证。与现有的先进算法相比,AS-GCN算法的动作识别准确率在有骨骼物理约束的条件下的CV和CS角度上平均提高了12%和4.84%;在无骨骼物理约束的条件下的CV和CS角度上平均提高了20%和14.49%。
展开更多
关键词
骨架动作分类
图卷积神经网络
行为识别
自适应移位
下载PDF
职称材料
面向智慧教育行为分析的图卷积骨架动作识别方法
被引量:
3
2
作者
苗启广
辛文天
+3 位作者
刘如意
谢琨
王泉
杨宗凯
《计算机科学》
CSCD
北大核心
2022年第2期156-161,共6页
智慧教育即教育信息化,是利用现代信息技术的新一代教育模式,智慧行为分析是智慧教育系统的核心组成。在面对复杂的教室应用场景时,针对传统的行为识别分类算法的精确性与时效性都存在严重不足的问题,提出了一种基于分离与注意力机制的...
智慧教育即教育信息化,是利用现代信息技术的新一代教育模式,智慧行为分析是智慧教育系统的核心组成。在面对复杂的教室应用场景时,针对传统的行为识别分类算法的精确性与时效性都存在严重不足的问题,提出了一种基于分离与注意力机制的图卷积(Depthwise Separable Attention Graph Convolutional Network,DSA-GCN)骨架动作识别算法。首先,为解决传统算法在通道域信息聚合天生不充分的难题,通过逐点卷积进行多维通道映射,将时空图卷积对输入骨骼序列的原始时空信息的保护能力与深度可分离卷积在空间和通道特征学习上的分离能力相结合,以增强模型特征学习与抽象表达性。其次,采用多维度融合的注意力机制,在空间卷积域利用自注意力与通道注意力机制来提升模型的动态敏感性,在时间卷积域利用时间与通道注意力融合法来增强对关键帧的判别力。实验结果表明,在NTU RGB+D和N-UCLA两个大型数据集上,DSA-GCN都获得了优异的性能和效能表现,证明了模型对通道域信息聚合能力的提升。
展开更多
关键词
行为识别
智慧行为分析
骨架动作分类
图卷积神经网络
深度可分离卷积
注意力机制
下载PDF
职称材料
题名
基于3D骨架相似性的自适应移位图卷积神经网络人体行为识别算法
1
作者
闫文杰
尹艺颖
机构
河北工业大学人工智能与数据科学学院
出处
《计算机科学》
CSCD
北大核心
2024年第4期236-242,共7页
基金
国家自然科学基金(61702157)。
文摘
图卷积神经网络(Graph Convolutional Neural network,GCN)在基于3D骨架的人体行为识别领域取得了良好效果。然而,现有的大多数GCN方法对行为动作图的构建都是基于人体物理结构的手动设置,训练阶段各个图节点只能根据手动设置建立联系,无法感知动作行为过程中骨骼节点之间产生的新联系,导致图拓扑结构不合理和不灵活。移位图卷积网络通过改变图网络结构使得感受野更加灵活,并且在全局移位角度取得了良好效果。因此,提出了一种基于自适应移位图卷积神经网络(Adaptive Shift Graph Convolutional Neural network,AS-GCN)的人体行为识别算法来弥补前述GCN方法的不足。AS-GCN借鉴了移位图卷积网络的思想,提出用每个人体动作的本身特点来指导图神经网络进行移位操作,以尽可能准确地选定需要扩大感受野的节点。在基于骨架的通用动作识别数据集NTU-RGBD上,所提算法在骨骼有无物理关系约束的前提条件下均进行了实验验证。与现有的先进算法相比,AS-GCN算法的动作识别准确率在有骨骼物理约束的条件下的CV和CS角度上平均提高了12%和4.84%;在无骨骼物理约束的条件下的CV和CS角度上平均提高了20%和14.49%。
关键词
骨架动作分类
图卷积神经网络
行为识别
自适应移位
Keywords
Skeleton-based action classification
Graph convolutional neural network
Action recognition
Adaptive shift
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
面向智慧教育行为分析的图卷积骨架动作识别方法
被引量:
3
2
作者
苗启广
辛文天
刘如意
谢琨
王泉
杨宗凯
机构
西安电子科技大学计算机科学与技术学院
出处
《计算机科学》
CSCD
北大核心
2022年第2期156-161,共6页
基金
国家新工科研究与实践项目(E-GCJYZL20200818)
全国高等院校计算机基础教育研究会计算机基础教育教学研究项目(2021-AFCEC-459)
+5 种基金
中国成人教育协会“十四五”成人继续教育科研规划重点课题(2021-414ZA)
陕西高等教育教学改革研究重点攻关/重点项目(21JG001,21BZ014)
广西可信软件重点实验室研究课题(KX202061,KX202041)
西安电子科技大学教育教学改革研究重点攻关项目(A21003)
西安电子科技大学重庆集成电路创新研究院资助产学研项目(CQIRI-CXYHT-2021-06)
新实验开发与新实验设备研制重点项目(SY21022I)。
文摘
智慧教育即教育信息化,是利用现代信息技术的新一代教育模式,智慧行为分析是智慧教育系统的核心组成。在面对复杂的教室应用场景时,针对传统的行为识别分类算法的精确性与时效性都存在严重不足的问题,提出了一种基于分离与注意力机制的图卷积(Depthwise Separable Attention Graph Convolutional Network,DSA-GCN)骨架动作识别算法。首先,为解决传统算法在通道域信息聚合天生不充分的难题,通过逐点卷积进行多维通道映射,将时空图卷积对输入骨骼序列的原始时空信息的保护能力与深度可分离卷积在空间和通道特征学习上的分离能力相结合,以增强模型特征学习与抽象表达性。其次,采用多维度融合的注意力机制,在空间卷积域利用自注意力与通道注意力机制来提升模型的动态敏感性,在时间卷积域利用时间与通道注意力融合法来增强对关键帧的判别力。实验结果表明,在NTU RGB+D和N-UCLA两个大型数据集上,DSA-GCN都获得了优异的性能和效能表现,证明了模型对通道域信息聚合能力的提升。
关键词
行为识别
智慧行为分析
骨架动作分类
图卷积神经网络
深度可分离卷积
注意力机制
Keywords
Action recognition
Smart behavior analysis
Skeleton-based action classification
Graph convolutional neural network
Depth-wise separable convolution
Attention mechanism
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TP183 [自动化与计算机技术—控制理论与控制工程]
G434 [文化科学—教育技术学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于3D骨架相似性的自适应移位图卷积神经网络人体行为识别算法
闫文杰
尹艺颖
《计算机科学》
CSCD
北大核心
2024
0
下载PDF
职称材料
2
面向智慧教育行为分析的图卷积骨架动作识别方法
苗启广
辛文天
刘如意
谢琨
王泉
杨宗凯
《计算机科学》
CSCD
北大核心
2022
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部