Przestrzenno-czasowe sieci konwolucyjne na grafach
Przestrzenno-czasowe sieci konwolucyjne na grafach (ST-GCN) to architektura wprowadzona przez Yan i wsp. w 2018 roku do rozpoznawania akcji na podstawie szkieletu. Modelując ludzkie szkielety jako grafy, gdzie stawy są węzłami, a kości krawędziami, ST-GCN stosuje konwolucje grafowe w przestrzeni i czasie do rozpoznawania akcji z sekwencji szkieletowych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Spatial-Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition. ScholarGate. https://scholargate.app/pl/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 (model przestrzeni stanów)Uczenie głębokie↔ compare
- Swin TransformerUczenie głębokie↔ compare
- Mamba WizyjnyUczenie głębokie↔ compare
- Vision TransformerUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →