基于长尾骨架的动作识别:通过真实感混合与类别感知采样实现
《IEEE Women in Engineering Magazine》:Long-Tailed Skeleton-Based Action Recognition via Realistic Mixing and Class-Aware Sampling
【字体:
大
中
小
】
时间:2026年04月07日
来源:IEEE Women in Engineering Magazine
编辑推荐:
摘要:基于骨架的动作识别方法因其对背景变化的鲁棒性和保护隐私的特性而受到越来越多的关注。然而,现实世界的骨架数据集通常存在严重的类别不平衡问题,导致数据分布呈长尾分布,这显著降低了识别性能,尤其是对于尾部类别。现有的基于混合的骨架增强方法通过增加数据多样性部分缓解了这一问题,但
摘要:
基于骨架的动作识别方法因其对背景变化的鲁棒性和保护隐私的特性而受到越来越多的关注。然而,现实世界的骨架数据集通常存在严重的类别不平衡问题,导致数据分布呈长尾分布,这显著降低了识别性能,尤其是对于尾部类别。现有的基于混合的骨架增强方法通过增加数据多样性部分缓解了这一问题,但它们生成的骨架在物理上往往不真实,并且未能在增强过程中明确考虑类别不平衡。在本文中,我们提出了一个长尾增强框架,包含两个关键组成部分:(i)在相对骨骼向量空间中进行真实的骨架混合;(ii)具有类别意识的采样,以提高代表性不足类别的增强频率。具体来说,我们在相对骨骼向量空间而不是关节坐标空间中进行混合,以保持运动学一致性,并进一步强制骨骼长度对齐,以防止不真实的肢体变形。为了减轻类别不平衡,我们引入了一种具有类别意识的加权机制,使采样偏向于尾部类别。在长尾NTU RGB+D和NTU RGB+D 120基准测试上的广泛实验表明,所提出的方法在各种不平衡因素下均优于现有方法,在尾部类别上取得了显著改进,同时在不同骨干架构下仍保持鲁棒性。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号