RSA：随机化仿真作为增强以提升人体动作识别鲁棒性
计算机视觉与模式识别
2019-12-04 v1 机器学习
图像与视频处理
摘要
尽管视频活动数据集快速增长，基于神经网络的稳定鲁棒动作识别仍具挑战性。这在很大程度上源于视频中可能变化的剧增——包括光照变化、物体差异、运动差异以及周围上下文变化。一种替代方案是利用仿真数据，其中所有这些因素均可被人为控制。本文提出随机化仿真作为增强（RSA）框架，该框架以合成数据增强真实世界训练数据，以提升动作识别网络的鲁棒性。我们生成具有随机化干扰因素的大规模合成数据集。我们表明，在适当约束下使用此类额外数据训练，可显著提升最先进的 I3D 网络性能，或反言之，减少达到良好性能所需的标注真实视频数量。在 NTU RGB+D 与 VIRAT 两个真实世界数据集上的实验证明了方法的有效性。
引用
@article{arxiv.1912.01180,
title = {RSA: Randomized Simulation as Augmentation for Robust Human Action Recognition},
author = {Yi Zhang and Xinyue Wei and Weichao Qiu and Zihao Xiao and Gregory D. Hager and Alan Yuille},
journal= {arXiv preprint arXiv:1912.01180},
year = {2019}
}
备注
10 pages, 8 figures