2018Action Recognition from Skeleton Data via Analogical Generalization over Qualitative Representations

论文标题：

来源/作者机构情况：

Northwestern University

Thirty-Second AAAI Conference on Artificial Intelligence, 2018, (2018)

作者链接：

https://www.mccormick.northwestern.edu/research-faculty/directory/profiles/forbus-ken.html

解决问题/主要思想贡献：

 使用骨架模型来做动作识别，提高可解释性

成果/优点：

1.可解释性强，不是黑盒

2.

缺点：

主要是提出使用骨架，识别率方面比没有太多提升

反思改进/灵感：

#############################################################

论文主要内容与关键点：

1.Introduction

2.Background

CogSketch

福布斯实验室发明的一款软件

Analogical Processing

3.Our Approach

 四个流程

对每一个结点，使用二进制表示，这个结点是否移动

并且使用了相对增强，也就是在图上，画出左边看 和 右边看运动方向

 不是很看动态选择特征那里，到底在说什么东东

4.Experimental Results and Discussion

5.Related Work

6.

代码实现：

2018Action Recognition from Skeleton Data via Analogical Generalization over Qualitative Representations

原文：https://www.cnblogs.com/captain-dl/p/10787614.html