Пространственно-временные графовые свёрточные сети
Пространственно-временные графовые свёрточные сети (ST-GCN) — это архитектура, предложенная Яном и соавт. в 2018 году для распознавания действий на основе скелетных данных. Моделируя скелеты человека как графы, где суставы являются узлами, а кости — рёбрами, ST-GCN применяет графовые свёртки в пространстве и времени для распознавания действий из последовательностей скелетов.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Spatial-Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition. ScholarGate. https://scholargate.app/ru/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 (модель на основе пространств состояний)Глубокое обучение↔ compare
- Swin TransformerГлубокое обучение↔ compare
- Vision MambaГлубокое обучение↔ compare
- Vision TransformerГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →