ASR-GCN: Red de grafos de reconstrucción adaptativa de información espacial para el reconocimiento de acciones basado...

Área de la Ciencia:

• Visión por Computadora
• Aprendizaje Automático

Sus antecedentes:

• El reconocimiento de acciones basado en esqueletos es crucial en la visión por computadora.
• Los métodos existentes tienen dificultades con la extracción de características y el aprendizaje dinámico para acciones complejas.

Objetivo del estudio:

• Proponer un innovador Modelo de Reconstrucción Adaptativa de Información Espacial (ASR-GCN) para superar las limitaciones en el reconocimiento de acciones basado en esqueletos.
• Mejorar las capacidades de extracción de características y aprendizaje de características dinámicas.

Principales métodos:

• Se desarrolló una Unidad de Reconstrucción con Compuerta (GRU) con una estrategia de compuerta de reponderación para el aprendizaje de características representativas.
• Se construyó una Unidad de Reconstrucción Adaptativa de Información Espacial (ASRU) para el ajuste adaptativo de la contribución de características, extracción, reponderación e integración.

Principales resultados:

• El modelo ASR-GCN mejora significativamente la capacidad de reconocimiento con una sobrecarga mínima de parámetros y computación.
• Se logró un rendimiento de vanguardia en los conjuntos de datos NTU RGB+D 60 y NTU RGB+D 120.
• Se alcanzó una precisión del 90,9% en tareas de sujeto cruzado y del 92,4% en tareas de conjunto cruzado para NTU 120.

Conclusiones:

• El modelo propuesto ASR-GCN aborda eficazmente los desafíos en el reconocimiento de acciones basado en esqueletos.
• El enfoque adaptativo de extracción de características mejora la minería profunda de las características intrínsecas de los datos del esqueleto.
• El modelo demuestra un rendimiento y una eficiencia superiores en tareas de reconocimiento de acciones.