以更少标签学习时序动作提案
计算机视觉与模式识别
2019-10-04 v1
摘要
时序动作提案是当今动作检测流程中的常见模块。当前多数训练动作提案模块的方法依赖全监督方法,需要长视频序列中大量标注的时序动作区间。这种标注带来的巨大代价与精力促使我们研究以更少监督训练提案模块的问题。本工作中,我们提出一种专为训练时序动作提案网络设计的半监督学习算法。当仅有少量标签可用时,我们的半监督方法生成的提案显著优于全监督对应方法及其他强半监督基线。我们在两个具挑战性的动作检测视频数据集ActivityNet v1.3和THUMOS14上验证了方法。我们展示了我们的半监督方法持续匹配或超越全监督最先进方法。
引用
@article{arxiv.1910.01286,
title = {Learning Temporal Action Proposals With Fewer Labels},
author = {Jingwei Ji and Kaidi Cao and Juan Carlos Niebles},
journal= {arXiv preprint arXiv:1910.01286},
year = {2019}
}