端到端学习足以用于健身活动识别吗？
计算机视觉与模式识别
2023-05-16 v1 机器学习
摘要
端到端学习已在许多计算机视觉任务中占据主导，特别是与静态图像相关的任务，通过任务特定的优化取得了非常强的性能。然而，以人为中心的动作识别在很大程度上仍由手工设计的流水线主导，仅有个别组件被通常在单帧上运行的神经网络所替代。作为研究此类流水线相关性的测试平台，我们提出了一个新的完全标注的健身活动视频数据集。该领域中的任何识别能力几乎完全是人体姿态及其时间动态的函数，因此基于姿态的解决方案应当表现良好。我们表明，利用该标注数据，原始像素上的端到端学习可以与基于姿态估计的state-of-the-art动作识别流水线相竞争。我们还表明，端到端学习可以支持诸如实时重复计数等时间细粒度任务。
引用
@article{arxiv.2305.08191,
title = {Is end-to-end learning enough for fitness activity recognition?},
author = {Antoine Mercier and Guillaume Berger and Sunny Panchal and Florian Letsch and Cornelius Boehm and Nahua Kang and Ingo Bax and Roland Memisevic},
journal= {arXiv preprint arXiv:2305.08191},
year = {2023}
}
备注
9 pages, 4 figures, 4 tables