EUVIMEDEUVIMED entdecken
Crossref

Condition-Adaptive Graph Convolution Learning for Skeleton-Based Gait Recognition

Xiaohu Huang, Xinggang Wang, Zhidianqiu Jin, Bo Yang, Botao He, Bin Feng, Wenyu Liu

IEEE Transactions on Image Processing · 2023 · 32 · 4773-4784

DOI: 10.1109/tip.2023.3305822 ↗

Kurz gefasst

Fachartikel in der Zeitschrift IEEE Transactions on Image Processing, 2023. Verfasst von Xiaohu Huang und 6 weiteren Autor:innen. Hauptthemen laut MEDLINE: Gait, Skeleton. Die Arbeit wurde bisher 23-mal zitiert (Crossref) und nennt 61 Literaturangaben. Gefördert von: NSFC.

AbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Schlagwörter

MeSH-Schlagwörter (MEDLINE)

GaitSkeletonHumansWalkingLearning

Förderung

  • NSFC

Zitieren

APA

Huang, X., Wang, X., Jin, Z., Yang, B., He, B., Feng, B., & Liu, W. (2023). Condition-Adaptive Graph Convolution Learning for Skeleton-Based Gait Recognition. IEEE Transactions on Image Processing, 32, 4773-4784. https://doi.org/10.1109/tip.2023.3305822

Vancouver

Huang X, Wang X, Jin Z, Yang B, He B, Feng B, et al. Condition-Adaptive Graph Convolution Learning for Skeleton-Based Gait Recognition. IEEE Transactions on Image Processing. 2023;32:4773-4784. doi:10.1109/tip.2023.3305822

BibTeX
@article{Huang2023,
  author = {Huang, Xiaohu and Wang, Xinggang and Jin, Zhidianqiu and Yang, Bo and He, Botao and Feng, Bin and Liu, Wenyu},
  title = {Condition-Adaptive Graph Convolution Learning for Skeleton-Based Gait Recognition},
  journal = {IEEE Transactions on Image Processing},
  year = {2023},
  volume = {32},
  pages = {4773--4784},
  doi = {10.1109/tip.2023.3305822}
}
Kostenlos starten →