FBK-HUPBA 参加 EPIC-Kitchens 动作识别 2020 挑战赛的方案
计算机视觉与模式识别
2020-06-25 v1
摘要
在本报告中，我们描述了我们提交给 EPIC-Kitchens 动作识别 2020 挑战赛的技术方案。为参与该挑战赛，我们部署了近期开发的时空特征提取与聚合模型：Gate-Shift Module (GSM) [1] 和 EgoACO（Long Short-Term Attention (LSTA) [2] 的扩展）。我们设计了一个由不同骨干网络和预训练的 GSM 与 EgoACO 模型族组成的集成模型，以生成预测分数。我们的提交方案以团队名 FBK-HUPBA 显示在公开排行榜上，仅使用 RGB 即在 S1 设定下取得了 40.0% 的 top-1 动作识别准确率，在 S2 设定下取得了 25.71% 的准确率。
引用
@article{arxiv.2006.13725,
title = {FBK-HUPBA Submission to the EPIC-Kitchens Action Recognition 2020 Challenge},
author = {Swathikiran Sudhakaran and Sergio Escalera and Oswald Lanz},
journal= {arXiv preprint arXiv:2006.13725},
year = {2020}
}
备注
Ranked 3rd in the EPIC-Kitchens action recognition challenge @ CVPR 2020