Red celular guiada por semántica mejorada para el reconocimiento de acciones basadas en esqueletos

Un problema fundamental en el reconocimiento de acciones basadas en esqueletos es la extracción de características útiles de las articulaciones del esqueleto. Desafortunadamente, los modelos actuales de última generación para esta tarea tienden a ser excesivamente complejos y parametrizados, lo que resulta en una baja eficiencia en el tiempo de entrenamiento e inferencia del modelo para conjuntos de datos a gran escala. En este trabajo, desarrollamos una base sencilla pero eficiente para el Reconocimiento de Acción Humana (HAR) basado en esqueletos. La arquitectura se basa en GCNs adaptativas (Redes Neuronales Convolucionales de Grafos) para capturar automáticamente las interconexiones complejas dentro de las estructuras esqueléticas sin necesidad de una topología predefinida. Las GCNs son seguidas y potenciadas con un mecanismo de atención para aprender representaciones más informativas. Este documento reporta una precisión interesante en un conjunto de datos a gran escala NTU-RGB+D 60, 89.7% y 95.0% en los benchmarks de Cross-Subject y Cross-View, respectivamente. En NTU-RGB+D 120, 84.6% y 85.8% sobre configuraciones de Cross-Subject y Cross-Setup, respectivamente. Este trabajo proporciona una mejora del modelo existente SGN (Redes Neuronales Guiadas por Semántica) al extraer características espaciales y temporales más discriminantes.