基于网络剪枝的层次化动作分类
计算机视觉与模式识别
2020-07-31 v1 机器学习
摘要
近年来，人体动作分类研究取得了显著进展。大多数深度学习方法聚焦于通过增加更多网络组件来提升性能。然而，我们提出更好地利用辅助机制，包括层次化分类、网络剪枝以及基于骨架的预处理，以增强模型的鲁棒性与性能。我们在四个常用测试数据集上测试了方法的有效性：NTU RGB+D 60、NTU RGB+D 120、Northwestern-UCLA Multiview Action 3D 以及 UTD Multimodal Human Action Dataset。我们的实验表明，我们的方法在所有四个数据集上均能取得相当或更好的性能。特别地，我们的方法为其中最大的数据集 NTU 120 建立了新的基线。我们还通过大量对比与消融研究对方法进行了分析。
引用
@article{arxiv.2007.15244,
title = {Hierarchical Action Classification with Network Pruning},
author = {Mahdi Davoodikakhki and KangKang Yin},
journal= {arXiv preprint arXiv:2007.15244},
year = {2020}
}