未裁剪流式视频中动作起始的在线检测
计算机视觉与模式识别
2018-07-24 v3
摘要
我们旨在解决动作检测中的一项新任务——未裁剪流式视频中的动作起始在线检测（ODAS）。ODAS 的目标是以高分类准确率和低检测延迟检测动作实例的起始。ODAS 在许多应用中十分重要，例如生成早期警报以实现及时的安全或应急响应。我们提出了三种新颖方法来专门应对 ODAS 模型训练中的挑战：(1) 基于生成对抗网络（GAN）的难负样本生成以区分模糊背景；(2) 显式建模动作起始附近数据与动作起始后数据之间的时间一致性；(3) 用于处理训练数据稀缺的自适应采样策略。我们使用 THUMOS'14 和 ActivityNet 进行了大量实验。我们表明，我们提出的方法带来了显著的性能提升并改进了最先进（SOTA）方法。消融研究证实了每种提出方法的有效性。
引用
@article{arxiv.1802.06822,
title = {Online Detection of Action Start in Untrimmed, Streaming Videos},
author = {Zheng Shou and Junting Pan and Jonathan Chan and Kazuyuki Miyazawa and Hassan Mansour and Anthony Vetro and Xavier Giro-i-Nieto and Shih-Fu Chang},
journal= {arXiv preprint arXiv:1802.06822},
year = {2018}
}
备注
Accepted by ECCV'18