BriefGPT - AI 论文速递
·
QAGait：从质量角度重访步态识别
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种新的三支路人体步态识别框架（TriGait），通过融合骨架和轮廓数据的特征，证明其在人体步态识别方面具有优越性和有效性。
🎯
关键要点
- 本文介绍了一种新的三支路人体步态识别框架（TriGait）。
- TriGait 融合了骨架和轮廓数据的特征。
- 框架包括两流网络，用于提取静态和动态特征。
- 使用 JSA-TC 模块捕捉所有关节之间的依赖关系。
- 第三支路用于交叉模态学习，通过对低级特征进行对齐和融合。
- 实验证据表明 TriGait 在人体步态识别方面具有优越性和有效性。
- 在 CASIA-B 数据集上的平均排名准确率为 96.0%。
- 在 CL 数据集上的准确率为 94.3%，明显优于现有技术方法。
- 源代码将在指定 URL 提供。
🏷️
标签
➡️
