面向智能监控与移动机器人对人类行为的实时感知与监测任务。鉴于现有网络模型普遍存在较高的计算复杂度与参数量，本文提出一种基于图卷积网络（GCN）的骨架动作识别方法。在PyTorch框架下构建了轻量化的时空图卷积模型，并引入知识蒸馏策略对网络进行高效训练。在NTU RGB+D数据集上，该模型在保持较低参数量的同时实现了较高的识别精度，验证了其在资源受限场景下的有效性与优越性。声明：本文仅代表作者观点，不代表本站立场。如果侵犯到您的合法权益，请联系我们删除侵权资源！如果遇到资源链接失效，请您通过评论或工单的方式通知管理员。未经允许，不得转载，本站所有资源文章禁止商业使用运营!
下载安装【程序员客栈】APP
实时对接需求、及时收发消息、丰富的开放项目需求、随时随地查看项目状态
评论