用于动作识别的表示流
计算机视觉与模式识别
2019-08-05 v3
摘要
在本文中，我们提出了一种受光流算法启发的卷积层，用于学习运动表示。我们的表示流层是一个完全可微分的层，旨在捕捉卷积神经网络中任何表示通道的“流”以用于动作识别。其用于迭代流优化的参数与其他CNN模型参数一起以端到端方式学习，以最大化动作识别性能。此外，我们新引入了通过堆叠多个表示流层来学习“流的流”表示的概念。我们进行了广泛的实验评估，证实了其在计算速度和性能上相对于使用传统光流的先前识别模型的优势。代码/模型见：https://piergiaj.github.io/rep-flow-site/
引用
@article{arxiv.1810.01455,
title = {Representation Flow for Action Recognition},
author = {AJ Piergiovanni and Michael S. Ryoo},
journal= {arXiv preprint arXiv:1810.01455},
year = {2019}
}
备注
CVPR 2019