用于时空动作定位的动作管段检测器
计算机视觉与模式识别
2017-08-22 v3
摘要
当前最先进的时空动作定位方法依赖于帧级别的检测，随后跨时间进行关联或跟踪。本文中，我们利用视频的时间连续性，而非在帧级别操作。我们提出动作管段检测器（ACtion Tubelet detector, ACT-detector），其以帧序列作为输入，输出管段（tubelets），即带有相关分数的边界框序列。正如最先进的目标检测器依赖于锚框，我们的ACT-detector基于锚立体框（anchor cuboids）。我们构建于SSD框架之上。对每帧提取卷积特征，而分数和回归基于这些特征的时间堆叠，从而利用序列中的信息。我们的实验结果表明，利用帧序列相比使用单帧显著提升了检测性能。我们的管段检测器的增益可归因于更准确的分数和更精确的定位。我们的ACT-detector在J-HMDB和UCF-101数据集上针对frame-mAP和video-mAP超越了最先进的方法，尤其是在高重叠阈值下。
引用
@article{arxiv.1705.01861,
title = {Action Tubelet Detector for Spatio-Temporal Action Localization},
author = {Vicky Kalogeiton and Philippe Weinzaepfel and Vittorio Ferrari and Cordelia Schmid},
journal= {arXiv preprint arXiv:1705.01861},
year = {2017}
}
备注
9 pages