論文在stgcn與sta-lstm基礎(chǔ)上做的。下面講一下里面的方法：

1.準(zhǔn)備工作

符號(hào)。這里是對(duì)符號(hào)進(jìn)行解釋。

一個(gè)人體骨骼圖被記為G=(v,E)

圖卷積：

圖卷積定義
考慮一種常用于處理圖像的標(biāo)準(zhǔn)卷積神經(jīng)網(wǎng)絡(luò) (CNN)。輸入是像素網(wǎng)格。每個(gè)像素都有一個(gè)數(shù)據(jù)值向量，例如紅色、綠色和藍(lán)色通道。數(shù)據(jù)通過一系列卷積層。每層結(jié)合來(lái)自像素及其相鄰像素的數(shù)據(jù)，為該像素生成新的數(shù)據(jù)向量。前面的卷積層檢測(cè)小規(guī)模的局部模式，而后面的卷積層檢測(cè)更大、更抽象的模式。通常，卷積層與池化層交替出現(xiàn)，池化層在局部區(qū)域執(zhí)行一些操作，例如最大值或最小值。

圖卷積是一種基于圖結(jié)構(gòu)的卷積操作。與傳統(tǒng)的卷積操作不同，圖卷積的輸入是一個(gè)圖形，包含節(jié)點(diǎn)和邊，而不是一個(gè)二維或三維的張量。圖卷積的目的是通過學(xué)習(xí)節(jié)點(diǎn)之間的關(guān)系來(lái)進(jìn)行特征提取和分類等任務(wù)。

圖卷積原理
圖卷積的原理可以概括為以下幾個(gè)步驟：

聚合：對(duì)于每個(gè)節(jié)點(diǎn)，將其鄰近節(jié)點(diǎn)的特征進(jìn)行聚合，可以使用均值、最大值、加權(quán)和等方式來(lái)計(jì)算鄰近節(jié)點(diǎn)的特征。

更新：根據(jù)聚合后的鄰居節(jié)點(diǎn)特征以及當(dāng)前節(jié)點(diǎn)自身的特征，更新當(dāng)前節(jié)點(diǎn)的特征表示。

激活：對(duì)更新后的節(jié)點(diǎn)特征進(jìn)行激活函數(shù)操作，例如ReLU函數(shù)等。