重新思考未裁剪视频中的在线动作检测：一种新颖的在线评估协议
计算机视觉与模式识别
2020-03-27 v1
摘要
在线动作检测（OAD）问题需要被重新审视。与评估指标清晰且成熟的离线动作检测方法不同，在OAD设定中我们发现相关工作极少，且对应采用何种评估协议缺乏共识。在本文中，我们提出重新思考OAD场景，明确定义问题本身以及被视为在线的模型所必须满足的主要特性。我们还引入了一种新指标：瞬时准确率（Instantaneous Accuracy, ）。这一新指标具有\emph{在线}特性，并解决了先前指标的大部分局限性。我们在3个具有挑战性的数据集上进行了详尽的实验评估，将多种基线方法的性能与最先进方法的性能进行比较。我们的结果证实了先前评估协议存在的问题，并表明基于IA的协议更适用于在线场景。基线模型以及带有新评估协议的开发工具包已公开可用：https://github.com/gramuah/ia。
引用
@article{arxiv.2003.12041,
title = {Rethinking Online Action Detection in Untrimmed Videos: A Novel Online Evaluation Protocol},
author = {Marcos Baptista Rios and Roberto J. López-Sastre and Fabian Caba Heilbron and Jan van Gemert and F. Javier Acevedo-Rodríguez and S. Maldonado-Bascón},
journal= {arXiv preprint arXiv:2003.12041},
year = {2020}
}
备注
Published at IEEE Access journal