用于动作识别的注意力池化
计算机视觉与模式识别
2018-01-03 v3
摘要
我们提出了一个简单却出奇强大的模型，将注意力引入动作识别与人-物交互任务中。我们提出的注意力模块可在有或无额外监督的情况下训练，并在保持网络规模与计算成本几乎不变的同时大幅提升准确率。在三个跨静态图像与视频的标准动作识别基准上，它相对于最先进的基线架构取得了显著改进，并在 MPII 数据集上以 12.5% 的相对提升确立了新的 SOTA。我们还从经验与分析两方面对注意力模块进行了广泛分析。在后者中，我们引入了一种将自下而上与自上而下注意力推导为双线性池化方法（通常用于细粒度分类）的低秩近似的新颖推导。从这一视角看，我们的注意力公式提出了一种将动作识别刻画为细粒度识别问题的新观点。
引用
@article{arxiv.1711.01467,
title = {Attentional Pooling for Action Recognition},
author = {Rohit Girdhar and Deva Ramanan},
journal= {arXiv preprint arXiv:1711.01467},
year = {2018}
}
备注
In NIPS 2017. Project page: https://rohitgirdhar.github.io/AttentionalPoolingAction/