论文名称：AViDDataset:AnonymizedVideosfromDiverseCountries推荐理由：作者介绍了一个用于动作识别的新公共视频数据集：来自多个国家的匿名视频（AnonymizedVideosfromDiversecountries

本文转载自腾讯优图近日，国际人工智能顶级会议AAAI2021公布了论文录取结果。AAAI是人工智能领域最悠久、涵盖内容最为广泛的国际顶级学术会议之一。AAAI2021一共收到9034篇论文提交，其中有效审稿的数量为7911篇，最终录取数量为1692篇，录取率为21.4%。AAAI(AssociationfortheAdvanceofArtificialIntelligence),即美国人工智能协会

ASurveyon3DSkeleton-BasedActionRecognitionUsingLearningMethod论文地址CVPR2020基于深度学习方法的三维骨骼动作识别综述这是第一个对使用3D

SpatialResidualLayerandDenseConnectionBlockEnhancedSpatialTemporalGraphConvolutionalNetworkforSkeleton-BasedActionRecognition来源作者单位会议论文地址代码江南大学ICCV2019论文地址暂无创新点引入了空间残差层来捕获和融合时空特征在先前的工作中，时空层包括空间图卷积和时间卷

TowardsGoodPracticesforVeryDeepTwo-streamConvNetshttp://yjxiong.me/others/action_recog/https://github.com/yjxiong/caffe/tree/action_recog本文首先指出对于静态图像分类，CNN已经取得很大进步，但是对于视频动作分类，CNN网络表现的不是很好。这里我们分析了一下原因，

针对自注意模型中的退化现象，论文提出了解耦自注意模型，有效避免了这一退化现象，并证明了其在多种视觉识别任务中广泛有效，包括语义分割、物体检测、动作识别等。

[论文链接]\qquad本文提出了一种在保留空间结构的前提下实现信息从过去帧传播到未来帧的PointLSTM方法来对序列点云数据做手势识别和动作识别。

05.序列模型第1周循环序列模型1.1为什么选择序列模型序列数据举例（1）语音识别（2）音乐生成（3）态度分类（4）DNA序列分析（5）机器翻译（6）视频动作识别（7）命名实体识别1.2数学符号举例（1

通常用于动作识别中。不懂HOG特征的，这篇文章讲得很清楚。

过去十年中，行人检测、跟踪、动作识别、异常检测、属性识别等以人为中心的计算机视觉分析任务引起了人们的极大关注，为了促进新的算法来理解大规模现实世界场景中复杂的人群活动及

www.robots.ox.ac.uk/~vgg/software/two_stream_action/https://github.com/feichtenhofer/twostreamfusion对视频动作识别采用

DeepTemporalLinearEncodingNetworks这是CVPR2017的文章，主要提出了一种时序线性编码层（TemporalLinearEncoding,TLE）来对视频分段提取后的特征图进行融合编码，最后得到的效果相对来说已经很不错了。搜索的时候发现没有什么对它解读的文章，于是就自己看完来大概写一下。TLE这篇文章认为，在一段视频中，连续帧之间的移动通常很微小，然后参考到IDT

作者|RohitGhosh编译|张健欣编辑|DebraAI前线导读：在本文中，作者会总结视频动作识别相关的文献，依次介绍动作识别是什么、它为什么这么难、解决方案概览以及相关论文总结。

1.Introduction本文的主要结构是一个两层的lstm，第一层生成globalcontextmemory（GCA），就是一个全局的背景信息。第二层LSTM加了注意力模型。这个注意力信息的生成有来自第一层的全局背景信息GCA的辅助，然后生成的注意力信息再用来重新调节全局背景GCA信息。是一个反复迭代的过程。最后GCA被用来分类。为什么要这样做？对于普通的LSTM而言，虽然后来的step包含更

此外，由于拍摄造成的遮挡、抖动、视角变化等也为动作识别进一步带来了困难。在实际应用

作者提出因为骨骼数据中的关节和骨骼信息对动作识别任务都有很大的帮助，所以研究出一种利用关节和骨骼之间的关系即人体骨头的方向和长度还有与关节点坐标信息的互补来完成一个动作识别的任务非常具有优势。

摘要三维骨骼序列中的人体动作识别已经引起了人们的广泛关注。最近，由于长短期记忆(LSTM)网络在序列数据的依赖性和动态性建模方面的优势，在这方面表现出了良好的性能。

翻译一个有注意力的长方体CNN模型基于骨架的动作识别机制摘要深度传感器(如微软Kinect)的引入推动了人类动作识别的研究。深度传感器收集的人体骨骼数据为动作识别传递了大量的信息。

1711.08496v1.pdfcodehttps://github.com/zhoubolei/TRN-pytorch论文翻译https://www.jianshu.com/p/bef2632e50be参考博客：浅谈动作识别

近期在做在线动作识别的项目，阅读了不少文献，发现现有的方法基本都是离线的actionrecognition和actiondetection（离线指这些算法都是在处理切割好的视频片断）。

IEEETRANSACTIONSONIMAGEPROCESSING，VOL.27，NO.4，APRIL2018基于LSTM网络全局上下文注意力机制和人的基本骨架实现动作识别摘要三维骨架序列中的人体动作识别

实验证明，所习得的表征，能够用于姿态去噪、人体动作识别和人体3D

Abstract在本文中，我们讨论了用于视频分析的几种时空卷积形式，并研究了它们对动作识别的影响。从观察到2DCNN应用于视频的各个帧的动机来看，我们的动机仍然是动作识别方面的佼佼者。

恰逢本人想学习学习paddle和动作识别的相关内容，就积极参与进来了，哈哈。这个复现项目总共有9篇顶会论文复现选择，其中包含了GAN生成模型方向和动作识别方向的。

目录前言设计需求软件功能需求软件设计需求设计思路模块分层非阻塞式面向对象设计方案接口函数及变量定义key_drvkey_cfgkey_corekey_user按键动作识别短按模式长按模式源码：https

团队聚焦于打造不同维度的图像和视频理解技术，并建立从数据到训练到部署的自动化生产闭环，研究方向包括且不限于：物体检测/识别/跟踪视频动作识别和时序检测多模态学习弱监督

目标检测分割视频A.方向的重要论文要了解USC的philkr（http://www.philkr.net/）的还没看，CompressedVideoActionRecognition这篇文章是讲视频的动作识别

视频动作识别调研（ActionRecognition）本文首发于微信公众号“StrongerTang”，可打开微信搜一搜，或扫描文末二维码，关注查看更多文章。

论文题目–《基于注意力增强图卷积LSTM网络的骨骼动作识别》摘要：基于骨架的动作识别是一个非常重要的任务，需要从给定的骨架序列之中去理解一个人的活动。

3DConvolutionalNeuralNetworksforHumanActionRecognition原文链接摘要我们考虑的是在不受控制的环境下全自动动作识别。

骨架数据由于能够较好地适应动态环境和复杂背景，在动作识别任务中得到了广泛的应用。在现有的方法中，骨骼数据中的关节和骨骼信息都被证明对动作识别任务有很大的帮助。

一：本文的目的如题目所说的，本文的主要工作是提出一个深度逐步改进的强化学习方法来做基于骨架的动作识别。说白了，就是做基于骨架数据的动作识别。

openaccess.thecvf.com/content_cvpr_2018/papers/Choutas_PoTion_Pose_MoTion_CVPR_2018_paper.pdf摘要首先介绍背景，很多一流的动作识别方法都依赖于

openaccess.thecvf.com/content_cvpr_2018/papers/Zhao_Recognize_Actions_by_CVPR_2018_paper.pdf摘要首先介绍背景：尽管近些年动作识别领域的进展很大

  暑假期间为了写综述，看了大概50篇有关动作识别的论文，都是2015-2017年的，最近搜了下最新的论文，2018年有30篇，2019有15篇。

普通的神经网络无法预测前后有关联的数据信息，因为无法“记住”之前发生的数据；RNN在分析新状态时，将之前的分析结果再次加进来一起分析，这样就可以分析前后有关联的信息；RNN可以用来：描述图片、翻译、分析语言感情色彩、DNA序列分析、视频动作识别

以下链接是个人关于mmaction2(SlowFast-动作识别)所有见解，如有错误欢迎大家指出，我会第一时间纠正。有兴趣的朋友可以加微信：a944284742相互讨论技术。

而用于动作识别的网络中，在两组网络分别训练不同的模态（如RGB和Depth）后需要进行特征的融合。不管是CNN直接输出的特征还是融合后

起因正如博主在上一篇博文里所写的，今年研究室的项目是通过tf-openpose以及深度学习的方式实现《街头霸王》的玩家动作识别远程对战，所以配置tf-openpose的环境成了开始的第一步。

最近在做基于人体骨骼的动作识别实验时，需要统一人体骨骼在三维空间中的角度问题，解决这个问题的时候涉及到了旋转矩阵的问题，所以在博客里mark一下。一.旋转矩阵是啥？

Spatio-TemporalGraphRoutingforSkeleton-BasedActionRecognitionpaper:https://www.aaai.org/ojs/index.php/AAAI/article/view/4875/4748基于骨架的动作识别时空图路由方法现有的许多方法通常依赖于固定的骨架结构物理连通进行识别

Spatio-TemporalGraphRoutingforSkeleton-BasedActionRecognitionpaper:https://www.aaai.org/ojs/index.php/AAAI/article/view/4875/4748基于骨架的动作识别时空图路由方法现有的许多方法通常依赖于固定的骨架结构物理连通进行识别

本文中文版本源自WebRTC中文网首发。作者是ChadHart。不要用手摸脸啦！为防止新冠状肺炎病毒疫情传播，医疗机构建议我们不要用没洗过的手摸脸。但如果你坐在计算机前几个小时不动，要做到这一点就很难了。我不禁想，用浏览器可以解决这个问题吗？为此我们进行了许多计算机视觉和WebRTC实验。我早已计划去进行用TensorFlow.js在本地浏览器中运行计算机视觉的实验，现在似乎是个好机会。通过快速搜

本文中文版本源自WebRTC中文网首发。作者是ChadHart。不要用手摸脸啦！为防止新冠状肺炎病毒疫情传播，医疗机构建议我们不要用没洗过的手摸脸。但如果你坐在计算机前几个小时不动，要做到这一点就很难了。我不禁想，用浏览器可以解决这个问题吗？为此我们进行了许多计算机视觉和WebRTC实验。我早已计划去进行用TensorFlow.js在本地浏览器中运行计算机视觉的实验，现在似乎是个好机会。通过快速搜

本文盘点所有CVPR2020动作识别（ActionRecognition）相关论文，该方向也常被称为视频分类（VideoClassification）。

CVPR2020已告一段落今日集结分方向论文以及领域顶会引用Top20论文欢迎’食用‘光流篇人脸技术篇目标检测篇目标跟踪篇超分辨率篇动作识别篇群组活动识别动作检测与动作分割篇人体姿态估计与动作捕捉篇行人检测与重识别篇图像与视频检索篇医学影像处理识别篇遥感与航拍影像处理识别篇抠图

本文继CVPR2020论文大盘点-动作识别篇之后继续总结CVPR2020中动作（action）相关的论文。

在图像识别、物体定位、语义分割、动作识别等领域，增加对空间信息的

“Two-StreamConvolutionalNetworksforActionRecognitioninVideos”（2014NIPS）TwoStream方法最初在这篇文章中被提出，基本原理为对视频序列中每两帧计算密集光流，得到密集光流的序列（即temporal信息）。然后对于视频图像（spatial）和密集光流（temporal）分别训练CNN模型，两个分支的网络分别对动作的类别进行判断，

本文只主要有两个贡献。ImageNet表明在足够大的数据集上训练网络之后，在其他的数据集甚至其它类型的任务上直接使用pre-trained参数初始化能够取得很好的效果。本文探究了在足够大的视频数据集Kinetics上训练了之后在UCF101和HMDB51上能够得到非常好的效果，可以达到在目前最好的效果。总结了经典的动作分类方法，提出了一个新的结构组合方式，即把3Dconv应用到two-tream的