ConvGRU 在细粒度投球动作识别用于动作结果预测中的研究
计算机视觉与模式识别
2020-08-19 v1 人机交互
摘要
动作结果预测对于与人类协作的机器人而言是一项新挑战。随着近年来视频动作识别的显著进展，基于视频数据的细粒度动作识别成为新的关注点。细粒度动作识别以更具体的粒度检测动作的细微差异，并在人机交互、智能交通管理、运动训练、医疗护理等诸多领域具有重要意义。考虑到不同结果 closely 关联于动作的细微差异，细粒度动作识别是动作结果预测的一种实用方法。在本文中，我们探索卷积门控循环单元（ConvGRU）方法在细粒度动作识别任务上的性能：预测投球结果。基于人类动作的 RGB 图像序列，所提方法取得了 79.17% 准确率的性能，超越了当前最先进结果。我们还比较了不同网络实现，并展示了不同图像采样方法、不同融合方法与预训练等的影响。最后，我们讨论了 ConvGRU 在此类动作结果预测与细粒度动作识别任务中的优势与局限。
引用
@article{arxiv.2008.07819,
title = {ConvGRU in Fine-grained Pitching Action Recognition for Action Outcome Prediction},
author = {Tianqi Ma and Lin Zhang and Xiumin Diao and Ou Ma},
journal= {arXiv preprint arXiv:2008.07819},
year = {2020}
}