CUHK、ETHZ 与 SIAT 提交至 ActivityNet 挑战赛 2016 的方案
计算机视觉与模式识别
2016-08-03 v1
摘要
本文介绍了我们提交至 ActivityNet 挑战赛 2016 未剪辑视频分类任务的方法。我们遵循时间片段网络 (temporal segment networks) 的基本流程，并通过多种其他技术进一步提升性能。具体而言，我们使用了最新的深度模型架构，例如 ResNet 和 Inception V3，并引入了新的聚合方案（top-k 和注意力加权池化）。此外，我们将音频作为互补通道纳入，通过应用于频谱图的卷积神经网络 (CNN) 提取相关信息。利用这些技术，我们构建了一个深度模型集成，该集成在测试集上实现了高分类准确率（mAP ），并在挑战赛中夺得第一名。
引用
@article{arxiv.1608.00797,
title = {CUHK & ETHZ & SIAT Submission to ActivityNet Challenge 2016},
author = {Yuanjun Xiong and Limin Wang and Zhe Wang and Bowen Zhang and Hang Song and Wei Li and Dahua Lin and Yu Qiao and Luc Van Gool and Xiaoou Tang},
journal= {arXiv preprint arXiv:1608.00797},
year = {2016}
}