重访基于密集检测锚点的动作 spotting：SoccerNet 2022挑战赛提交
计算机视觉与模式识别
2022-08-04 v2
摘要
本简短技术报告描述了我们向Action Spotting SoccerNet挑战赛2022的提交。该挑战赛是CVPR 2022 ActivityNet研讨会的一部分。我们的提交基于近期提出的一种方法，该方法侧重于通过密集采样的检测锚点集来提高时间精度。由于其强调时间精度，该方法在紧平均mAP指标上显示出显著改进。紧平均mAP被用作挑战赛的评估标准，其使用较小的时间评估容差定义，因而对微小时间误差更敏感。为了进一步改进结果，我们在此对前处理和后处理步骤做了微小改动，并通过后期融合结合了不同的输入特征类型。这些改动带来的改进帮助我们获得了挑战赛第一名，并且在使用该数据集标准实验协议时，在SoccerNet测试集上达到了新的state-of-the-art。本报告简要回顾基于密集检测锚点的动作spotting方法，然后重点介绍为挑战赛引入的修改。我们也描述了所使用的实验协议和训练过程，最后给出我们的结果。
引用
@article{arxiv.2206.07846,
title = {Action Spotting using Dense Detection Anchors Revisited: Submission to the SoccerNet Challenge 2022},
author = {João V. B. Soares and Avijit Shah},
journal= {arXiv preprint arXiv:2206.07846},
year = {2022}
}
备注
v2: a few more experiments, more detailed method description