AMF-GCN: An Adaptive Graph Convolution Network for Pull-up Evaluation

Cao, Xianglong

doi:10.1007/978-3-032-00828-2_4

AMF-GCN: An Adaptive Graph Convolution Network for Pull-up Evaluation

2026-01-01

0

PRE

AI

DOI：10.1007/978-3-032-00828-2_4

原文链接

原文求助

摘要

En 中文

传统引体向上评估通常采用手动方式进行，该过程缺乏客观性且耗时费力。为克服这些局限性，有必要开发用于评估引体向上动作正确性的自动化模型。然而，由于缺乏公开可用数据集，我们构建了一个包含专业运动员和普通大学生视频的自定义引体向上动作数据集。针对现有动作识别模型的局限性，本文提出了一种自适应多维度融合图卷积网络（AMF-GCN），该网络包含两个关键组件：自适应图卷积模块（AGCN）和多维度融合模块（MF）。AGCN模块根据样本特定数据自适应调整图拓扑结构，使其能够捕捉各关节间的复杂关系。MF模块融合了多个特征维度的信息，从而增强了模型的灵活性和泛化能力。广泛的实验比较表明，我们的方法准确率达到97.33%，显著优于多个当前最优动作识别模型，验证了其卓越的性能和有效性。

Keyword:

Graph convolutional network

Action recognition

Pull-up

AMF-GCN: An Adaptive Graph Convolution Network for Pull-up Evaluation

摘要

期刊

机构