Co-occurrence Feature Learning for Skeleton based Action Recognition using Regularized Deep LSTM Networks

• 类型：arxiv
• 标识：1603.07772
• 链接：https://arxiv.org/abs/1603.07772
• 主题：database
• 主分类：multimodal
• 形态：application
• 被引：930
• 被引来源：Semantic Scholar
• S2被引：930
• OpenAlex被引：291
• 影响力被引：91
• TLDR：This work takes the skeleton as the input at each time slot and introduces a novel regularization scheme to learn the co-occurrence features of skeleton joints, and proposes a new dropout algorithm which simultaneously operates on the gates, cells, and output responses of the LSTM neurons.
• OpenAlex ID：W2307035320
• OpenAlex DOI：10.48550/arxiv.1603.07772
• DOI：10.48550/arxiv.1603.07772
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/1603.07772
• OpenAlex更新：2026-08-19
• 待LLM分类：否
• 成熟度：research
• 场景：action-recognition、skeleton、LSTM
• 标题中文：使用正则化深度 LSTM 网络进行基于骨骼动作识别的共现特征学习
• TLDR中文：本文在每个时间步以骨骼作为输入，引入一种新的正则化方案来学习骨骼关节的共现特征，并提出一种同时作用于 LSTM 神经元门、单元和输出响应的新型 dropout 算法。
• 来源文件：
• [OpenAlex discover]
• [S2 enrich]