基于特征增强与重参数的骨骼动作识别
李豆豆
李汪根
夏义春
葛英奎
王志格
安徽师范大学计算机与信息学院 芜湖 241002
摘要：随着深度学习的发展,基于深度学习的骨骼动作识别的模型越来越复杂,网络层次越来越深,模型权重越来越大,故存在推理速度慢的缺点,论文提出一种基于特征增强和重参数化方法的骨骼动作识别(RepGCN).为提高模型性能的能力,提出结合骨骼关节点信息、骨骼信息、骨骼角度信息的特征增强方式.接着提出基于多尺度的自适应图用于图卷积的输入,引导图卷积提取更深层次的动作特征以提高模型的识别性能,最后论文提出一种训练与推理解耦的方式,简化模型的复杂程度,提高模型的推理速度.减少模型参数量,方便模型的部署和移动端的应用.
关键词：图卷积神经网络重参数化人体骨骼动作识别
分类号：TP391(计算技术、计算机技术)
资助基金：高校领军人才引进与培育计划项目(051619)
论文发表日期：2025-04-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1008-1014 )
英文信息