### ST-GCN 模型架构详解 ST-GCN (Spatio-Temporal Graph Convolutional Networks) 是一种用于骨骼动作识别的深度学习模型，其核心在于对时空图结构中的节点和边进行建模。以下是关于该模型架构及其实现细节的具体描述。 #### 1. **正则化方法** 为了防止过拟合并提高泛化能力，ST-GCN 使用了几种正则化技术。其中最常用的是 L2 正则化，它通过对权重施加惩罚项来约束模型复杂度[^1]。L2 正则化的引入有助于减少参数冗余，从而提升模型性能。 #### 2. **Batch Normalization** 批量归一化（Batch Normalization, BN）被广泛应用于 ST-GCN 的每一层卷积操作中。BN 能够稳定训练过程并通过规范化激活值降低内部协变量偏移的影响[^2]。具体来说，BN 将每一批次的数据调整至零均值单位方差分布，并允许后续缩放和平移以恢复表达能力。 #### 3. **通道数配置** 在 ST-GCN 中，输入数据通常表示为三维张量形式 \((N, C_{in}, T, V)\)，分别对应批大小、输入通道数、时间步长以及节点数量。随着网络层数增加，通道数 \(C\) 呈指数增长模式变化，例如从初始的 64 到最终可能达到 256 或更高维度。这种设计可以逐步提取更高级别的特征而不会丢失低级信息。 #### 4. **Dropout 应用** 为了避免过度依赖某些特定神经元组合而导致欠佳表现情况发生，在多个隐藏层之后加入了 dropout 层作为额外保护措施之一。一般情况下设置丢弃概率约为0.5左右即可有效抑制过拟合并保持良好收敛速度。 #### 5. **时间卷积核** 除了空间上的图卷积外，还采用了沿时间轴方向滑动的一维卷积滤波器来进行局部时序关系捕捉工作。这些时间卷积核尺寸多设定为 k=9 ，即考虑前后共九帧之间的关联性以便更好地反映人体运动规律特性。 #### 6. **SGD 优化方式** 对于整个端到端可微分框架而言，默认采用随机梯度下降法(SGD)配合 momentum 参数共同完成权值更新任务。此外还可以尝试 Adam 等其他自适应学习率算法进一步加速求解进程或者改善数值稳定性等问题。 #### 7. **全局 Pooling 和 Softmax 分类** 最后经过若干轮迭代计算得到固定长度向量表征序列整体语义含义后，则利用全局平均池化(Global Average Pooling,GAP)代替传统全连接层作用于降维后的特征映射上；随后再接续一层 softmax 函数输出各类别预测概率值完成最终分类判断作业。 ```python import torch.nn as nn class ST_GCN(nn.Module): def __init__(self, in_channels, num_class, graph_args, edge_importance_weighting, **kwargs): super(ST_GCN, self).__init__() # Define spatial and temporal convolution layers here... self.fc = nn.Linear(256, num_class) def forward(self, x): N, C, T, V = x.size() x = self.st_gcn_networks(x) x = F.avg_pool2d(x, x.size()[2:]) x = x.view(N, -1) return self.fc(x), x model = ST_GCN(in_channels=3, num_class=60, ...) output, feature_map = model(input_data) ```