本科毕业设计,基于STTran的魔改版本,将姿态特征引入场景图的生成过程,同时使用成分句法分析得到动作的显著性排序。 具体的配置过程已在我的另一个仓库“stgcn_light_op”中阐述(https://github.com/Tudouu/stgcn_light_op) 此处不再赘述。Stanford CoreNLP需自行配置。 于Action Genome数据集中进行实验,本模型较传统模型在准确率上有显著提升。
本科毕业设计,基于STTran的魔改版本,将姿态特征引入场景图的生成过程,同时使用成分句法分析得到动作的显著性排序。
本科毕业设计,基于STTran的魔改版本,将姿态特征引入场景图的生成过程,同时使用成分句法分析得到动作的显著性排序。 具体的配置过程已在我的另一个仓库“stgcn_light_op”中阐述(https://github.com/Tudouu/stgcn_light_op) 此处不再赘述。Stanford CoreNLP需自行配置。 于Action Genome数据集中进行实验,本模型较传统模型在准确率上有显著提升。
本科毕业设计,基于STTran的魔改版本,将姿态特征引入场景图的生成过程,同时使用成分句法分析得到动作的显著性排序。