文件名称：Selective-HCN
文件大小：666KB
文件格式：ZIP
更新时间：2024-05-07 10:07:34
Python
选择性HCN：用于基于骨架的动作识别的选择性超图卷积网络 该存储库是Selective-HCN方法的匿名Pytorch实现。 大意 在这项工作中，我们提出了一个名为Selective-HCN的新颖的选择性超图卷积网络，该网络堆叠了两个关键模块：选择性规模超图卷积（SHC）和选择性帧时空卷积（STC）。 SHC模块将人体骨骼表示为图形和超图，以完全提取多尺度信息，并有选择地融合各种尺度的特征。 代替传统的跨步时间卷积，STC模块可以自适应地选择关键帧并根据帧的重要性过滤冗余帧。 我们的选择性HCN模型的见解 一方面，我们建议将人体表示为一个超图，以便在不破坏关节固有的空间位置特性的情况下对骨骼中的高阶相关性进行建模。 此外，为了在此类拓扑上聚合骨架特征，我们引入了高级的选择性尺度超图卷积（SHC）以完全提取多尺度信息并有选择地融合各种尺度的特征。 另外，我们设计了一个选择性帧时间卷积（S
【文件预览】：
Selective-HCN-master
----data_gen()
--------rotation.py(2KB)
--------kinetics_gendata.py(6KB)
--------merge_joint_bone_data.py(575B)
--------__init__.py(0B)
--------gen_motion_data.py(837B)
--------gen_bone_data.py(2KB)
--------preprocess.py(3KB)
--------ntu_gendata.py(6KB)
----imgs()
--------modules.png(196KB)
--------visualization.png(44KB)
--------results.png(394KB)
----model()
--------agc_layer.py(4KB)
--------selectscale_hc.py(5KB)
--------utils.py(2KB)
--------model.py(4KB)
--------__init__.py(121B)
--------selectframe_tc.py(2KB)
----main.py(21KB)
----config()
--------ntu-cross-subject()
--------kinetics-skeleton()
--------ntu-cross-view()
----graph()
--------kinetics.py(4KB)
--------__init__.py(44B)
--------tools.py(616B)
--------nturgbd.py(4KB)
----README.md(4KB)
----feeders()
--------feeder.py(6KB)
--------__init__.py(41B)
--------tools.py(5KB)
----data()
--------nturgbd_raw()
----ensemble.py(1KB)