DIY 人体动作数据集生成
计算机视觉与模式识别
2020-04-01 v1
摘要
近期在应用深度学习技术解决标准计算机视觉问题上的成功，激发了研究人员在不同领域提出新的计算机视觉问题。正如该领域先前所确立的那样，训练数据本身在机器学习过程中起着重要作用，尤其是对数据量需求极大的深度学习方法。为了解决每个新问题并获得良好的性能，需要采集大量数据，这在许多情况下可能会带来后勤上的困难。因此，从头生成数据或扩展现有数据集（无论多小）以满足当前网络的数据需求，可能具有不可估量的价值。在本文中，我们介绍了一种将动作视频片段分割为动作、主体和背景的新方法。每个部分被单独处理，并使用我们提出的视频生成技术重新组装。此外，我们新颖的人体骨架轨迹生成技术与提出的视频生成技术相结合，使我们能够生成无限的动作识别训练数据。这些技术使我们能够从一小部分数据集中生成视频动作片段，而无需进行昂贵且耗时的数据采集。最后，我们通过在两个小型人体动作识别数据集上的大量实验证明，这种新的数据生成技术能够提升当前动作识别神经网络的性能。
引用
@article{arxiv.1803.11264,
title = {DIY Human Action Data Set Generation},
author = {Mehran Khodabandeh and Hamid Reza Vaezi Joze and Ilya Zharkov and Vivek Pradeep},
journal= {arXiv preprint arXiv:1803.11264},
year = {2020}
}