用于交互识别的自选择上下文
计算机视觉与模式识别
2020-10-20 v1
摘要
人-物交互识别旨在识别人主体与物体之间的关系。研究者将全局场景上下文引入深度卷积神经网络（Convolutional Neural Networks）的浅层作为解决方案。他们报告称性能显著提升，因为通常交互与场景相关（即在城市街道上骑自行车）。然而，该方法导致以下问题：它增加了浅层网络规模，因此效率不高；当场景不相关时会产生噪声滤波响应，因此不够准确；它仅利用了场景上下文，而人-物交互提供了多种上下文，因此不够完整。为规避这些问题，本文提出自选择上下文（Self-Selective Context, SSC）。SSC 基于人-物与上下文的联合表观，使最具判别性的上下文参与识别。我们设计了建模人-物交互局部性的新颖上下文特征，并表明 SSC 可无缝集成到最先进（State-of-the-art）的交互识别模型中。实验表明，SSC 在使用远少参数的同时显著提升了交互识别性能。
引用
@article{arxiv.2010.08750,
title = {Self-Selective Context for Interaction Recognition},
author = {Mert Kilickaya and Noureldien Hussein and Efstratios Gavves and Arnold Smeulders},
journal= {arXiv preprint arXiv:2010.08750},
year = {2020}
}
备注
Accepted at ICPR'20