بازنگری در بیش پارامتردهی شبکه های کانولوشنی گرافی مکانی زمانی برای بازشناسی کنش های انسانی

شبکه های کانولوشنی گراف فضایی–زمانی (ST-GCNs) عملکردی چشمگیر در بازشناسی کنش های انسانی مبتنی بر اسکلت (HAR) از خود نشان داده اند. با این حال، علی رغم توسعه مدل های متعدد، پس از یکسان سازی تنظیمات ورودی، تفاوت معناداری در عملکرد تشخیصی آن ها مشاهده نمی شود. بر اساس این مشاهده، ما این فرضیه را مطرح می کنیم که ST-GCNها برای مسئله HAR بیش پارامتردهی شده اند؛ فرضیه ای که متعاقبا از طریق آزمایش هایی مبتنی بر فرضیه «بلیت بخت آزمایی» تایید می شود. افزون بر این، یک مولد نوین برای ST-GCNهای تنک پیشنهاد می کنیم که قادر است یک معماری تنک را از یک شبکه چگال با مقداردهی اولیه تصادفی آموزش دهد، در حالی که سطح عملکردی قابل مقایسه با اجزای چگال را حفظ می کند. همچنین، با ادغام ساختارهای تنک در سطوح مختلف تنکی، ST-GCNهای چندسطحی تنک را تولید می کنیم و نشان می دهیم که مدل تجمیع شده به بهبود قابل توجهی در عملکرد HAR منجر می شود. آزمایش های جامع روی چهار مجموعه داده، شامل NTU-RGB+D ۶۰(۱۲۰)، Kinetics-۴۰۰ و FineGYM، نشان می دهد که ST-GCNهای تنک پیشنهادی می توانند عملکردی قابل مقایسه با همتایان چگال خود به دست آورند. حتی با ۹۵٪ پارامتر کمتر، ST-GCNهای تنک کاهش عملکردی کمتر از ۱٪ در دقت Top-۱ نشان می دهند. در مقابل، ST-GCNهای چندسطحی تنک که تنها به ۶۶٪ از تعداد پارامترهای ST-GCNهای چگال نیاز دارند، به بهبودی بیش از ۱٪ در دقت Top-۱ دست می یابند.

کلیدواژه ها:

GCN ، HAR ، Skeleton-based HAR ، Model Ensemble ، بیش پارامتردهی