人体动作识别论文（骨骼信息，GCN）

1、论文题目：Two-Stream Adaptive Graph Convolutional Networks for Skeleton-Based Action Recognition   基于骨架的双流自适应图卷积网络动作识别  2s-AGCN

时间：2019

 关节数据和骨骼数据分别输入两个流。最后，将两个流的SoftMax分数相加，得到融合分数并预测动作标签。

代码：

 GitHub - benedekrozemberczki/pytorch_geometric_temporal: PyTorch Geometric Temporal: Spatiotemporal Signal Processing with Neural Machine Learning Models (CIKM 2021)

2、论文题目：Skeleton-Based Action Recognition with Multi-Stream Adaptive Graph Convolutional Networks  基于骨架的多流自适应图卷积网络动作识别

 总体架构（MS-AAGCN）如图6所示。这四种形态（关节、骨骼及其运动）被输入到四个流中。最后，对四个流的softmax得分进行加权求和，得到动作得分并预测动作标签。

3、论文题目：Predictively Encoded Graph Convolutional Network for Noise-Robust Skeleton-based Action Recognition

时间：2020

创新点：

在NTU数据集的基础上增加带有骨骼噪声的数据，提高动作识别的泛化能力。

代码

4、