Machine learningDeep Learning, Graph Neural Networks, Action Recognition

Χωροχρονικά Συνελικτικά Δίκτυα Γράφων

Τα Χωροχρονικά Συνελικτικά Δίκτυα Γράφων (Spatial-Temporal Graph Convolutional Networks - ST-GCN) είναι μια αρχιτεκτονική που εισήχθη από τους Yan et al. το 2018 για την αναγνώριση κινήσεων βάσει σκελετού. Μοντελοποιώντας τους ανθρώπινους σκελετούς ως γράφους, όπου οι αρθρώσεις είναι κόμβοι και τα οστά ακμές, το ST-GCN εφαρμόζει χωρικές και χρονικές συνελίξεις γράφων για την αναγνώριση κινήσεων από ακολουθίες σκελετών.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Χωροχρονικά Συνελικτικά Δίκτυα Γράφων
Mamba (Μοντέλο Χώρου Κατ…Swin TransformerVision MambaVision TransformerGraphRAGN-BEATSx

Πηγές

  1. Yan, S., Xiong, Y., & Lin, D. (2018). Spatial temporal graph convolutional networks for skeleton-based action recognition. In Proceedings of the AAAI Conference on Artificial Intelligence (Vol. 32). link

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Spatial-Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition. ScholarGate. https://scholargate.app/el/deep-learning/spatial-temporal-gcn

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Αναφέρεται από

ScholarGateSpatial-Temporal GCN (Spatial-Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/deep-learning/spatial-temporal-gcn · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026