Redes neuronales convolucionales espacio-temporales de grafos
Las Redes Neuronales Convolucionales Espacio-Temporales de Grafos (ST-GCN) son una arquitectura introducida por Yan et al. en 2018 para el reconocimiento de acciones basado en esqueletos. Al modelar los esqueletos humanos como grafos donde las articulaciones son nodos y los huesos son aristas, ST-GCN aplica convoluciones de grafos a través del espacio y el tiempo para reconocer acciones a partir de secuencias de esqueletos.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Spatial-Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition. ScholarGate. https://scholargate.app/es/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.
- Mamba (modelo de espacio de estados)Aprendizaje profundo↔ compare
- Swin TransformerAprendizaje profundo↔ compare
- Visión MambaAprendizaje profundo↔ compare
- Vision TransformerAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →