公开(公告)号：CN114998525B

公开(公告)日：2025-05-06

申请号：CN202210703550.4

申请日：2022-06-21

Applicant: 南京信息工程大学

Inventor： 胡凯 ,  金俊岚 ,  翁成航 ,  沈超文

IPC: G06T17/00 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08 ,  G06V10/82 ,  G06V40/20

Abstract: 本发明公开了一种基于动态局部‑全局图卷积神经网络的动作识别方法，利用注意力机制为三个分区策略下的邻接矩阵动态的分配权重，并将这三个邻接矩阵加权得到可学习的变换矩阵，不同的权重参数编码了在空间维度上不同的特征，增加了在骨骼图中特征建模的表达能力；通过使用改进的Transformer自我注意力来融合局部和全局信息；引入通道注意力，使模型更加关注重要的通道特征，进一步提高了模型的性能，使分类预测结果更加准确。本发明增加了特征建模的表达能力，并通过通道注意力模块有效地增强对更重要的特征信息提取能力，从而大幅提高了动作识别的准确率。

公开(公告)号：CN114998525A

公开(公告)日：2022-09-02

申请号：CN202210703550.4

申请日：2022-06-21

Applicant: 南京信息工程大学

Inventor： 胡凯 ,  金俊岚 ,  翁成航 ,  沈超文

IPC: G06T17/00 ,  G06N3/04 ,  G06N3/08 ,  G06V10/82 ,  G06V40/20

Abstract: 本发明公开了一种基于动态局部‑全局图卷积神经网络的动作识别方法，利用注意力机制为三个分区策略下的邻接矩阵动态的分配权重，并将这三个邻接矩阵加权得到可学习的变换矩阵，不同的权重参数编码了在空间维度上不同的特征，增加了在骨骼图中特征建模的表达能力；通过使用改进的Transformer自我注意力来融合局部和全局信息；引入通道注意力，使模型更加关注重要的通道特征，进一步提高了模型的性能，使分类预测结果更加准确。本发明增加了特征建模的表达能力，并通过通道注意力模块有效地增强对更重要的特征信息提取能力，从而大幅提高了动作识别的准确率。