ECCV 2020 VIPriors 挑战赛动作识别赛道亚军方案：一种高效的光流流引导框架
计算机视觉与模式识别
2020-08-11 v1
摘要
针对动作识别任务在小数据集上训练的问题，大多数已有工作要么基于大量训练样本，要么需要从其他大型数据集迁移的预训练模型来应对过拟合问题。然而，这限制了仅有强计算能力的机构内的研究。在本工作中，我们试图提出一种数据高效的框架，该框架能够在小数据集上从头训练模型，同时取得有前景的结果。具体而言，通过引入三维中心差分卷积操作，我们提出了一种基于 C3D 神经网络的双流（Rank Pooling RGB 与光流）框架用于该任务。该方法在 ECCV 2020 VIPriors 挑战赛的动作识别赛道上得到验证，并获得亚军（88.31%）。证明即便没有在大规模数据集上的预训练模型，我们的方法也能取得有前景的结果。代码将很快发布。
引用
@article{arxiv.2008.03996,
title = {2nd Place Scheme on Action Recognition Track of ECCV 2020 VIPriors Challenges: An Efficient Optical Flow Stream Guided Framework},
author = {Haoyu Chen and Zitong Yu and Xin Liu and Wei Peng and Yoon Lee and Guoying Zhao},
journal= {arXiv preprint arXiv:2008.03996},
year = {2020}
}
备注
Technical report for ECCV 2020 VIPrior Challenge, Action Recognition Track