[Feature Fusion]骨架动作识别中几何特征的融合

原文《Fusing Geometric Features for Skeleton-Based Action Recognition using Multilayer LSTM
Networks》

尽量避免两个流之间有信息交换，每个流应该有自己softmax和loss层。
之前流行的方法是每个feature分配平均的权重，但是不同的feature对最终的预测结果有不同的贡献，所以他们之间的权重应该不同

　三种普遍融合方法比较

输入层融合，全连接融合，最后平均score融合

　smoothed score

最终采用的融合方法,N是模型的个数，T是一个尺度因子， α α 是各个流的权重

Using a larger value of T produces a softer probability distribution over classes