重新思考Faster R-CNN架构用于时序动作定位
计算机视觉与模式识别
2018-04-23 v1
摘要
我们提出TAL-Net,一种受Faster R-CNN目标检测框架启发的、用于视频中时序动作定位的改进方法。TAL-Net解决了现有方法的三个关键缺陷:(1)我们利用多尺度架构改善感受野对齐,以适应动作时长的极大变化;(2)我们通过适当扩展感受野,更好地利用动作的时间上下文以用于提议生成与动作分类;(3)我们显式考虑多流特征融合,并证明运动信息的晚期融合十分重要。我们在THUMOS'14检测基准上取得了动作提议与定位的SOTA性能,并在ActivityNet挑战赛上取得具竞争力的表现。
引用
@article{arxiv.1804.07667,
title = {Rethinking the Faster R-CNN Architecture for Temporal Action Localization},
author = {Yu-Wei Chao and Sudheendra Vijayanarasimhan and Bryan Seybold and David A. Ross and Jia Deng and Rahul Sukthankar},
journal= {arXiv preprint arXiv:1804.07667},
year = {2018}
}
备注
Accepted in CVPR 2018