Spatial-Temporal Graph Convolutional Networks
Spatial-Temporal Graph Convolutional Networks (ST-GCN) är en arkitektur som introducerades av Yan et al. 2018 för skelettbaserad igenkänning av handlingar. Genom att modellera mänskliga skelett som grafer där leder är noder och ben är kantenheter, tillämpar ST-GCN grafkonvolutioner över rum och tid för att känna igen handlingar från skelettsekvenser.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Spatial-Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition. ScholarGate. https://scholargate.app/sv/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 (tillståndsrumsmodell)Djupinlärning↔ compare
- Swin TransformerDjupinlärning↔ compare
- Vision MambaDjupinlärning↔ compare
- Vision TransformerDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →