关于真实场景下动作检测的研究
计算机视觉与模式识别
2019-06-11 v2
摘要
近期AVA数据集的引入引发了人们对动作检测问题的重新关注。已有若干方法被提出并提升了性能。然而，它们均忽视了AVA数据集的主要难点——其训练与测试样本的真实分布。该数据集通过对未筛选视频中人体动作进行穷尽标注而收集。结果，最常见的类别（如“站立”或“坐下”）包含数万样本，而稀有类别仅有数十个。本工作中，我们研究高度不平衡数据集上的动作检测问题。与以往处理长尾类别分布的工作不同，我们首先分析测试集中的不平衡。我们证明标准AP指标对尾部类别不具备信息性，并提出了一种替代指标——采样AP（Sampled AP）。借助这一新度量，我们研究了将表征从数据丰富的头部类别迁移至稀有尾部类别的问题，并提出了一种简单而有效的途径。
引用
@article{arxiv.1904.12993,
title = {A Study on Action Detection in the Wild},
author = {Yubo Zhang and Pavel Tokmakov and Martial Hebert and Cordelia Schmid},
journal= {arXiv preprint arXiv:1904.12993},
year = {2019}
}