面向全天候动作识别的对抗域适应方法
计算机视觉与模式识别
2022-11-01 v1 人工智能
机器学习
摘要
由于视觉监控和夜间驾驶中存在大量潜在应用，低光照条件下的人体动作识别仍是计算机视觉中的一个难题。现有方法将动作识别与暗光增强分离为两个独立步骤来完成该任务。然而，将识别与增强割裂阻碍了针对视频动作分类的时空表征的端到端学习。本文提出一种基于域适应的动作识别方法，在跨域设置中利用对抗学习来学习跨域动作识别。监督学习可在源域（白天动作序列）大量标注数据上训练该模型；同时，它利用深度域不变特征对目标域（夜间动作序列）的许多未标注数据进行无监督学习。所得到的增强模型称为3D-DiNet，可通过带有额外层的标准反向传播进行训练。该模型在InFAR和XD145动作数据集上取得了SOTA性能。
引用
@article{arxiv.2210.17412,
title = {Adversarial Domain Adaptation for Action Recognition Around the Clock},
author = {Anwaar Ulhaq},
journal= {arXiv preprint arXiv:2210.17412},
year = {2022}
}
备注
6 Pages, 6 Figures