基于可信时空注意力迁移的极极低分辨率活动识别
计算机视觉与模式识别
2021-10-12 v4
摘要
在极极低分辨率视频（例如 12*16 像素的分辨率）上的活动识别，在远景监控和隐私保护多媒体分析中起着至关重要的作用。低分辨率视频仅包含有限信息。鉴于同一活动可能由高分辨率（HR）和极极低分辨率（eLR）视频表示，研究利用相关 HR 数据来改善 eLR 活动识别是值得的。在这项工作中，我们提出一种新颖的置信时空注意力迁移（CSTAT）用于 eLR 活动识别。CSTAT 可通过以迁移学习策略减少注意力差异来从 HR 数据获取信息。此外，监督信号的可信度也被考虑在内以实现更可信的迁移过程。在两个知名数据集（即 UCF101 和 HMDB51）上的实验结果表明，所提方法能有效提升 eLR 活动识别的准确性，并在 HMDB51 的 12*16 视频上达到 59.23% 的准确率，为最先进的性能。
引用
@article{arxiv.1909.03580,
title = {Extreme Low Resolution Activity Recognition with Confident Spatial-Temporal Attention Transfer},
author = {Yucai Bai and Qin Zou and Xieyuanli Chen and Lingxi Li and Zhengming Ding and Long Chen},
journal= {arXiv preprint arXiv:1909.03580},
year = {2021}
}
备注
12 pages, 9 fugures. 2nd-round review of TIP