寻找动作管
计算机视觉与模式识别
2014-11-25 v1
摘要
我们解决了视频中的动作检测问题。受二维图像物体检测最新进展的驱动，我们利用源自形状和运动学线索的丰富特征层次构建动作模型。我们以两种方式结合外观和运动信息。首先，从图像区域提议出发，我们选择那些运动显著的区域，因此它们更可能包含动作。这显著减少了待处理区域的数量并允许更快的计算。其次，我们提取时空特征表示，利用卷积神经网络构建强分类器。我们将预测结果连接起来，以产生时间上一致的检测结果，我们称之为动作管（action tubes）。我们表明，我们的方法在动作检测任务中优于其他技术。
引用
@article{arxiv.1411.6031,
title = {Finding Action Tubes},
author = {Georgia Gkioxari and Jitendra Malik},
journal= {arXiv preprint arXiv:1411.6031},
year = {2014}
}