学习判别信息用于在线动作检测
计算机视觉与模式识别
2020-04-01 v3
摘要
从流式视频中，在线动作检测旨在识别当前时刻的动作。对于该任务，以往方法使用循环网络对当前动作帧的时间序列进行建模。然而，这些方法忽略了一个事实：输入图像序列中除了感兴趣的动作外，还包含背景和不相关的动作。针对在线动作检测，本文提出一种新颖的循环单元，用于显式地从其他信息中判别与正在进行的动作相关的信息。我们的单元名为信息判别单元（Information Discrimination Unit, IDU），根据输入信息与当前动作的相关性决定是否累积该信息。这使得我们带有 IDU 的循环网络能够学习到更具判别性的表示，以识别正在进行的动作。在 TVSeries 和 THUMOS-14 两个基准数据集上的实验中，所提方法以显著优势优于 state-of-the-art 方法。此外，我们通过全面的消融实验证明了我们循环单元的有效性。
引用
@article{arxiv.1912.04461,
title = {Learning to Discriminate Information for Online Action Detection},
author = {Hyunjun Eun and Jinyoung Moon and Jongyoul Park and Chanho Jung and Changick Kim},
journal= {arXiv preprint arXiv:1912.04461},
year = {2020}
}
备注
To appear in CVPR 2020