E^2TAD：一种高能效的基于跟踪的动作检测器
计算机视觉与模式识别
2022-11-01 v4
摘要
视频动作检测（时空动作定位）如今通常是以人为中心视频智能分析的起点，在机器人、安防、医疗等诸多应用中具有高度实际影响。Faster R-CNN 的两阶段范式启发了目标检测中视频动作检测的标准范式，即先生成人物提议再分类其动作。然而，现有方案均无法提供“谁—何时—何地—做什么”粒度的细粒度动作检测。本文提出一种基于跟踪的方案，通过预测关联的目标 ID 与位置在空间上、通过预测精确帧索引处的时间在时域上准确地高效定位预定义关键动作。该方案在 2021 年低功耗计算机视觉挑战赛（LPCVC）的 UAV-Video 赛道中获得第一名。
引用
@article{arxiv.2204.04416,
title = {E^2TAD: An Energy-Efficient Tracking-based Action Detector},
author = {Xin Hu and Zhenyu Wu and Hao-Yu Miao and Siqi Fan and Taiyu Long and Zhenyu Hu and Pengcheng Pi and Yi Wu and Zhou Ren and Zhangyang Wang and Gang Hua},
journal= {arXiv preprint arXiv:2204.04416},
year = {2022}
}