用于跳水动作分类的注意力时空表示学习
计算机视觉与模式识别
2019-05-02 v1
摘要
竞技跳水是公认的水上运动，运动员从跳台或跳板跳入水中。根据跳水过程中的特技动作，跳水被划分为由国际泳联标准化的有限动作类别集合。本工作中，我们提出一种基于注意力引导 LSTM 的神经网络架构，用于跳水分类任务。该网络以跳水视频的帧为输入并确定其类别。我们在近期引入的竞技跳水数据集 Diving48 上评估所提模型的性能。该数据集包含超过 18000 个视频片段，涵盖 48 类跳水动作。所提模型在 2D 与 3D 框架下分别比 SOTA 模型的分类准确率高出 11.54% 与 4.24%。我们展示该网络能够在无此类监督训练的情况下，定位视频帧中跳水过程中的运动员。
引用
@article{arxiv.1905.00050,
title = {Attentive Spatio-Temporal Representation Learning for Diving Classification},
author = {Gagan Kanojia and Sudhakar Kumawat and Shanmuganathan Raman},
journal= {arXiv preprint arXiv:1905.00050},
year = {2019}
}
备注
Accepted in CVPRW 2019