شبکههای کانولوشن گرافی فضایی-زمانی
شبکههای کانولوشن گرافی فضایی-زمانی (ST-GCN) معماریای است که توسط یان و همکاران در سال ۲۰۱۸ برای تشخیص کنش مبتنی بر اسکلت معرفی شد. با مدلسازی اسکلت انسان به صورت گرافهایی که در آنها مفاصل گرهها و استخوانها یالها هستند، ST-GCN کانولوشنهای گرافی را در فضا و زمان به کار میبرد تا کنشها را از دنبالههای اسکلتی تشخیص دهد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Spatial-Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition. ScholarGate. https://scholargate.app/fa/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.
- مامبا (مدل فضای حالت)یادگیری عمیق↔ compare
- ترنسفورمر سوین (Swin Transformer)یادگیری عمیق↔ compare
- ویژن مامبایادگیری عمیق↔ compare
- ترنسفورمر بینایییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →