Earticle

현재 위치 Home

Human-Machine Interaction Technology (HIT)

Skeleton-based Human Action Recognition Using Deformable Graph Convolutional Networks and Attention Mechanisms

첫 페이지 보기
  • 발행기관
    국제인공지능학회(구 한국인터넷방송통신학회) 바로가기
  • 간행물
    The International Journal of Advanced Smart Convergence 바로가기
  • 통권
    Volume 14 Number 4 (2025.12)바로가기
  • 페이지
    pp.185-192
  • 저자
    Jeongho Kim, Mingyu Lee, Jinwook Kim, Joonho Seon, Jin Young Kim
  • 언어
    영어(ENG)
  • URL
    https://www.earticle.net/Article/A481189

※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.

원문정보

초록

한국어
Recently, various deep learning-based approaches have been studied to interpret complex human actions. A significant limitation of conventional methods is their reliance on a fixed graph structure, which restricts their ability to capture discriminative receptive fields. In this paper, we design a deformable spatio-temporal attention-based graph convolutional neural network (deformable STA-GCN) that dynamically identifies informative joints and temporal patterns. The proposed framework integrates two key modules, a deformable spatial attention (DeSA) module and a deformable temporal attention (DeTA) module. The DeSA module is integrated to dynamically identify joints closely related to motion, and the DeTA module is incorporated to identify informative temporal receptive fields. Within each module, an attention mechanism is employed to selectively emphasize the sampled features, enabling the network to extract the most discriminative spatiotemporal information. Experimental results on the NTU RGB+D benchmark dataset demonstrate that the proposed model achieves higher accuracy than the comparison model.

목차

Abstract
1. Introduction
2. Proposed Model
2.1. Deformable Spatial Attention (DeSA) Module
2.2. Deformable Temporal Attention (DeTA) Module
3. Experiments
3.1. Simulation Settings
3.2. Simulation Results
4. Conclusion
Acknowledgement
References

키워드

Human action recognition Skeleton data Deformable graph convolutional networks Attention mechanism Spatial-temporal modeling

저자

  • Jeongho Kim [ Graduate Student, Department of Electronic Convergence Engineering, Kwangwoon University, Korea ]
  • Mingyu Lee [ Graduate Student, Department of Electronic Convergence Engineering, Kwangwoon University, Korea ]
  • Jinwook Kim [ Graduate Student, Department of Electronic Convergence Engineering, Kwangwoon University, Korea ]
  • Joonho Seon [ Graduate Student, Department of Electronic Convergence Engineering, Kwangwoon University, Korea ]
  • Jin Young Kim [ Professor, Department of Electronic Convergence Engineering, Kwangwoon University, Korea ] Corresponding Author

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    국제인공지능학회(구 한국인터넷방송통신학회) [The International Association for Artificial Intelligence]
  • 설립연도
    2000
  • 분야
    공학>전자/정보통신공학
  • 소개
    인터넷방송, 인터넷 TV , 방송 통신 네트워크 및 관련 분야에 대한 국내는 물론 국제적인 학술, 기술의 진흥발전에 공헌하고 지식 정보화 사회에 기여하고자 한다.

간행물

  • 간행물명
    The International Journal of Advanced Smart Convergence
  • 간기
    계간
  • pISSN
    2288-2847
  • eISSN
    2288-2855
  • 수록기간
    2012~2025
  • 십진분류
    KDC 326 DDC 380

이 권호 내 다른 논문 / The International Journal of Advanced Smart Convergence Volume 14 Number 4

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.