EvaluationNet：深度网络能否评估人类技能？
计算机视觉与模式识别
2017-06-01 v1
摘要
随着近期YouTube等媒体的大幅增长，大量涵盖广泛任务的教学视频可在线获取。因此，在线教学视频已成为人类学习日常技能的丰富资源。为提高利用教学视频学习的有效性，需要对活动进行观察和评估。然而，由专家观察和评估每个活动步骤是困难的。本研究提出了一种新颖的深度学习框架，旨在从教学视频中学习时对人类活动进行评估。为应对活动固有的可变性，我们提议将活动建模为结构化过程。首先，利用LSTM网络从密集轨迹编码动作单元。随后，可变长度的动作单元特征由Siamese LSTM网络评估。通过在公开数据集上的对比实验，证明了所提方法的有效性。
引用
@article{arxiv.1705.11077,
title = {EvaluationNet: Can Human Skill be Evaluated by Deep Networks?},
author = {Seong Tae Kim and Yong Man Ro},
journal= {arXiv preprint arXiv:1705.11077},
year = {2017}
}
备注
8 pages, 6 figures