Shift-GCN网络论文笔记 FesianXu 20201105 at UESTC 前言 近日笔者在阅读Shift-GCN[2]的文献,Shift-GCN是在传统的GCN的基础上,用Shift卷积算子[1]取代传统卷积算子而诞生出来的,可以用更少的参数量和计算量达到更好的模型性能,笔者感觉蛮有意思的,特在此笔记。如有谬误请联系指出,转载请联系作者并注明出处,谢...
关于最后整体网络框架,作者是类比于ST-GCN,提出两种移位卷积网络,下图(b)是Shift-Conv块组成的网络,图(c)是Shift-Conv-Shift块组成的网络。不过图(b)和图(c)的网络是源自介绍Shift的那篇论文的。 这篇论文算是一种新的方法吧,总的来说这篇文章创新性很好,基本是集合了前人研究的优点。我也是第一次接触移位...
Shift-GCN 这一章对Shift-GCN进行介绍,Shift-GCN对ST-GCN的改进体现在对于空间信息(也就是单帧的信息)的图卷积改进,以及时序建模手段的改进(之前的工作是采用一维卷积进行建模的)。 Spatial Shift-GCN Shift-GCN是对ST-GCN的改进,其启发自Shift卷积算子[1],主要想法是利用1x1卷积算子结合空间shift操作,使得1x1卷积...
shift-GCN:Skeleton-Based Action Recognition with Shift Graph Convolutional Network,程序员大本营,技术文章内容聚合第一站。
Graph Convolutional Network (GCN)资料汇总 Networks】在切比雪夫多项式近似的基础上进一步简化,提出一阶近似,通过叠加多层GCN来达到经典卷积层的功能。(该文中的GCN形式,其实是二阶Chebyshev多项式推导出的特例) 参考博客:【GCN...基本原理: 关于GCN的基本原理及公式推导,强烈推荐知乎上的这个回答: 从CNN到GCN的联系...
通过使用节点 GCN 模型绘制了三个数据集分布位移距离值( xx 轴)和相应的模型精度( yy 轴)的关系。结果表明,GNN 在这些数据集上的节点分类性能与分布位移的大小成反比,并激发了我们对分布位移的研究。4 Shift-Robust Graph Neural Networks本节首先提出两种 GNN 模型解决分布位移问题(Prtrain (Z)≠Prtest (Z)Pr...
近期在看Shift-GCN的论文[1],该网络是基于Shift卷积算子[2]在图结构数据上的延伸。在阅读源代码[3]的时候发现了其对于Non-Local Spatial Shift Graph Convolution有意思的实现方法,在这里简要记录一下。 本文转载自徐飞翔的"Shift-GCN中Shift的实现细节笔记,通过torch.index_select实现" ...
SegNeXt利用大小为1x7、1x11和1x21的并行卷积进行目标分割。Global Convolutional Network(GCN)采用堆叠1xk和kx1卷积来实现同样的目的。此外,一些细粒度特征提取研究方法,如[18, 19, 20],在卷积层后使用矩阵乘法建立长程特征依赖关系。广泛使用的非局部结构也采用了类似的操作。
SegNeXt利用大小为1x7、1x11和1x21的并行卷积进行目标分割。Global Convolutional Network(GCN)采用堆叠1xk和kx1卷积来实现同样的目的。此外,一些细粒度特征提取研究方法,如[18, 19, 20],在卷积层后使用矩阵乘法建立长程特征依赖关系。广泛使用的非局部结构也采用了类似的操作。
SegNeXt利用大小为1x7、1x11和1x21的并行卷积进行目标分割。Global Convolutional Network(GCN)采用堆叠1xk和kx1卷积来实现同样的目的。此外,一些细粒度特征提取研究方法,如[18, 19, 20],在卷积层后使用矩阵乘法建立长程特征依赖关系。广泛使用的非局部结构也采用了类似的操作。