面向广义零样本动作识别的分布外检测
计算机视觉与模式识别
2019-05-07 v2
摘要
广义零样本动作识别是一个具有挑战性的问题，其任务除了识别可见动作类别外，还要识别在训练阶段不可用的新动作类别。现有方法受到所学分类器对可见动作类别固有偏置的影响。因此，不可见类别样本被错误地分类为属于某个可见动作类别。在本文中，我们着手通过主张在广义零样本动作识别中对可见与不可见动作类别分开处理来解决此问题。我们引入了一个分布外检测器，用于判定视频特征属于可见还是不可见动作类别。为了训练我们的分布外检测器，使用在可见动作类别特征上训练的生成对抗网络合成不可见动作类别的视频特征。据我们所知，我们首次提出了一种基于分布外检测器的GZSL框架用于视频动作识别。实验在三个动作识别数据集上进行：Olympic Sports、HMDB51和UCF101。对于广义零样本动作识别，我们提出的方法以绝对增益(分类准确率)分别在这些数据集上超越基线(f-CLSWGAN)7.0%、3.4%和4.9%。
引用
@article{arxiv.1904.08703,
title = {Out-of-Distribution Detection for Generalized Zero-Shot Action Recognition},
author = {Devraj Mandal and Sanath Narayan and Saikumar Dwivedi and Vikram Gupta and Shuaib Ahmed and Fahad Shahbaz Khan and Ling Shao},
journal= {arXiv preprint arXiv:1904.08703},
year = {2019}
}
备注
10 pages, 3 figures, 6 Tables. To appear in the proceedings of CVPR 2019