Reti Convoluzionali Grafiche Spazio-Temporali
Le Reti Convoluzionali Grafiche Spazio-Temporali (ST-GCN) sono un'architettura introdotta da Yan et al. nel 2018 per il riconoscimento di azioni basato su scheletri. Modellando gli scheletri umani come grafi in cui le articolazioni sono nodi e le ossa sono archi, ST-GCN applica convoluzioni grafiche nello spazio e nel tempo per riconoscere azioni da sequenze di scheletri.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Spatial-Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition. ScholarGate. https://scholargate.app/it/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 (Modello a Spazio degli Stati)Apprendimento profondo↔ compare
- Swin TransformerApprendimento profondo↔ compare
- Vision MambaApprendimento profondo↔ compare
- Vision TransformerApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →