单阶段时序动作定位网络中的边界不确定性
计算机视觉与模式识别
2020-08-26 v1
摘要
本文利用单阶段神经网络解决时序动作定位问题。在所提出的架构中，我们将边界预测建模为单变量高斯分布以刻画其不确定性，据我们所知这是该领域的首次尝试。我们采用了两种不确定性感知的边界回归损失：其一是边界真实位置与建模边界预测的高斯分布之间的 Kullback-Leibler 散度，其二是同一高斯分布下 损失的期望。我们表明，两种不确定性建模方法均使 mAP@tIoU=0.5 的检测性能提升超过 ，且所提出的简单单阶段网络性能接近于更复杂的一阶段和两阶段网络。
引用
@article{arxiv.2008.11170,
title = {Boundary Uncertainty in a Single-Stage Temporal Action Localization Network},
author = {Ting-Ting Xie and Christos Tzelepis and Ioannis Patras},
journal= {arXiv preprint arXiv:2008.11170},
year = {2020}
}
备注
Tech report