HLP-GCN图卷积网络

异质拓扑聚合

同时学习同质与异质拓扑，有效聚合骨架关节特征，提升动作识别精度。

Wei, Chao · 邓志东

2023

参数信息

准确率提升（NTU RGB+D X-Set）

0.2 %

技术优势

同质异质拓扑互补

同时从同质拓扑聚合相似信息、从异质拓扑聚合相异信息，两种信息结合得到最终嵌入，捕获更丰富的关节相关性。

动态学习拓扑

利用自注意力模块根据输入样本动态学习同质和异质拓扑，而非使用固定拓扑，能适应不同动作的关节关系。

提取更鲁棒的时空特征

引入时间建模模块和全局节点池化策略，提升骨架动作识别中时空特征的鲁棒性。

应用场景

• 人机动作识别：直接用于监控、安防等场景中的人体动作识别，提高识别准确率。
• 骨架动作分析：提供更有效的骨架关节特征聚合方式，提升动作分析的性能。
• 机器人行为理解：帮助机器人理解人类行为意图，提升人机交互体验。
• 可穿戴交互：基于骨架数据识别手势和动作，用于可穿戴设备的交互控制。