面向提案与动作定位的多粒度融合网络：ActivityNet Challenge 2019 任务 1 与任务 2 参赛方案
计算机视觉与模式识别
2019-07-30 v1
摘要
本技术报告概述了我们提交至 ActivityNet Challenge 2019 任务 1（\textbf{时序动作提案生成}）与任务 2（\textbf{时序动作定位/检测}）的解决方案。时序动作提案指包含动作的时间区间，在时序动作定位中起着重要作用。自上而下与自下而上是现有文献中用于提案生成的两类主要方法。本文设计了一种新颖的多粒度融合网络（MGFN），以结合不同框架生成的提案进行互补过滤与置信度重排序。具体而言，我们从多个角度全面考量多样性，例如特征层面、数据层面、模型层面与结果层面。我们的 MGFN 在挑战测试集上取得了时序动作提案任务 69.85 AUC 分数与时序动作定位任务 38.90 mAP 的当前最优性能。
引用
@article{arxiv.1907.12223,
title = {Multi-Granularity Fusion Network for Proposal and Activity Localization: Submission to ActivityNet Challenge 2019 Task 1 and Task 2},
author = {Haisheng Su and Xu Zhao and Shuming Liu},
journal= {arXiv preprint arXiv:1907.12223},
year = {2019}
}