Redes Neurais Convolucionais Espaço-Temporais em Grafos
Redes Neurais Convolucionais Espaço-Temporais em Grafos (ST-GCN) é uma arquitetura introduzida por Yan et al. em 2018 para reconhecimento de ações baseado em esqueletos. Ao modelar esqueletos humanos como grafos onde as articulações são nós e os ossos são arestas, a ST-GCN aplica convoluções em grafos através do espaço e do tempo para reconhecer ações a partir de sequências de esqueletos.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Spatial-Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition. ScholarGate. https://scholargate.app/pt/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 Espaço de Estados)Aprendizado profundo↔ compare
- Swin TransformerAprendizado profundo↔ compare
- Vision MambaAprendizado profundo↔ compare
- Vision TransformerAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →