基于幅度-方向流网络的行为识别
计算机视觉与模式识别
2017-08-23 v1
摘要
视频的时间分量提供了行为识别的重要线索，因为许多行为可以基于运动信息被可靠地识别。鉴于此，本文提出了一种用于双流卷积网络的新型时间流，该流基于由光流幅度和方向计算出的图像，命名为幅度-方向流，以更好、更丰富的方式学习运动。我们的方法对光流的垂直和水平分量应用简单的非线性变换，以生成时间流的输入图像。在两个知名数据集（HMDB51 和 UCF101）上进行的实验结果表明，将我们提出的时间流作为现有神经网络架构的输入，可以提高其行为识别的性能。结果表明，我们的时间流提供了能够改进经典双流方法的互补信息，表明我们的方法适合用作时间视频表示。
引用
@article{arxiv.1708.06637,
title = {Activity Recognition based on a Magnitude-Orientation Stream Network},
author = {Carlos Caetano and Victor H. C. de Melo and Jefersson A. dos Santos and William Robson Schwartz},
journal= {arXiv preprint arXiv:1708.06637},
year = {2017}
}
备注
8 pages, SIBGRAPI 2017