面向边缘设备的人体活动识别

随着大规模 Kinetics（400 与 600）数据的发布，视频活动识别近期获得大量关注。I3D 与 C3D 网络等架构已在活动识别上展现出 SOTA 性能。这些 SOTA 网络的一大主要缺陷在于其需要大量计算资源。本文中，我们探究如何针对边缘设备取得与这些 SOTA 网络相当的结果。我们主要探索两种架构——I3D 与时序分段网络（Temporal Segment Network）。我们表明，通过改变测试流程，仅使用十分之一的内存占用即可取得相当的结果。除原始的 Inception 架构外，我们也报告了以 Resnet 架构作为骨干网络的结果。具体而言，我们仅使用 RGB 帧即在 UCF-101 数据集上取得了 84.54% 的 top-1 准确率。