Verbessertes semantisch-gesteuertes Netzwerk zur skelettbasierten Aktionskennung

Ein grundlegendes Problem bei der skelettbasierten Aktionskennung ist die Extraktion nützlicher Merkmale aus Skelettgelenken. Leider haben die aktuellen State-of-the-Art-Modelle für diese Aufgabe eine Tendenz, übermäßig komplex und stark parametrisiert zu sein, was zu einer niedrigen Effizienz beim Training und der Inferenz von Modellen für großangelegte Datensätze führt. In dieser Arbeit entwickeln wir eine einfache, aber dennoch effiziente Basislinie für die skelettbasierte Erkennung menschlicher Aktionen (HAR). Die Architektur basiert auf adaptiven GCNs (Graph Convolutional Networks), um die komplexen Wechselwirkungen innerhalb der Skelettstrukturen automatisch zu erfassen, ohne dass eine vordefinierte Topologie erforderlich ist. Die GCNs werden durch einen Aufmerksamkeitsmechanismus unterstützt und verbessert, um informativere Darstellungen zu lernen. Dieses Papier berichtet über interessante Genauigkeit in einem großangelegten Datensatz NTU-RGB+D 60, 89,7 % und 95,0 % bei den Cross-Subject- und Cross-View-Benchmarks. Bei NTU-RGB+D 120, 84,6 % und 85,8 % über die Cross-Subject- und Cross-Setup-Einstellungen. Diese Arbeit bietet eine Verbesserung des bestehenden Modells SGN (Semantic-Guided Neural Networks) beim Extrahieren diskriminierender räumlicher und zeitlicher Merkmale.