时序动作检测的级联边界回归
计算机视觉与模式识别
2017-05-04 v1
摘要
长视频中的时序动作检测是一个重要问题。最先进的方法通过在滑动窗口上应用动作分类器来解决该问题。尽管滑动窗口可能包含动作的可识别部分，但它们未必覆盖整个动作实例，这将导致性能下降。我们采用带有级联边界回归（CBR）模型的两阶段时序动作检测流程。与具体类别无关的建议和特定动作分别在第一阶段和第二阶段被检测。CBR使用时序坐标回归来细化滑动窗口的时序边界。细化过程的显著之处在于，在每个阶段内部，通过将细化后的窗口反馈回系统以进一步边界细化，从而以级联方式调整时序边界。我们在THUMOS-14和TVSeries上测试CBR，并在两个数据集上均取得了最先进的性能。性能提升在高IoU阈值下尤为显著，例如THUMOS-14上的map@tIoU=0.5从19.0%提高到31.0%。
引用
@article{arxiv.1705.01180,
title = {Cascaded Boundary Regression for Temporal Action Detection},
author = {Jiyang Gao and Zhenheng Yang and Ram Nevatia},
journal= {arXiv preprint arXiv:1705.01180},
year = {2017}
}