直接从频域进行更快速且准确的压缩视频动作识别
计算机视觉与模式识别
2020-12-29 v1
摘要
人体动作识别因其在监控、医疗、工业环境、智能家居等广泛领域的应用，已成为计算机视觉中最活跃的研究领域之一。近来，深度学习已成功用于学习强大且可解释的特征以识别视频中的人体动作。现有多数深度学习方法被设计为以RGB图像序列处理视频信息。因此，由于视频数据常以压缩格式存储，需先进行解码。然而，解码视频需要较高的计算负载与内存占用。为克服该问题，我们提出一种能够直接从压缩视频学习的深度神经网络。我们的方法在两个公开基准UCF-101与HMDB-51数据集上进行了评估，展现出与最先进方法相当的识别性能，且推理速度最高可达其2倍。
引用
@article{arxiv.2012.13726,
title = {Faster and Accurate Compressed Video Action Recognition Straight from the Frequency Domain},
author = {Samuel Felipe dos Santos and Jurandy Almeida},
journal= {arXiv preprint arXiv:2012.13726},
year = {2020}
}