半监督少样本原子动作识别
计算机视觉与模式识别
2020-11-18 v1
摘要
尽管已取得显著进展，动作识别的性能仍严重依赖于特定数据集，而由于标注劳动密集，这些数据集难以扩展新的动作类别。此外，时空外观的高度多样性要求鲁棒且具有代表性的动作特征聚合与注意力机制。为解决上述问题，我们聚焦于原子动作，提出了一种用于半监督少样本原子动作识别的新模型。我们的模型具有无监督对比视频嵌入、宽松动作对齐、多头特征比较以及基于注意力的聚合等特性，这些特性共同使得仅通过少量训练样本即可实现动作识别，其途径是提取更具代表性的特征，并允许空间与时间对齐上的灵活性以及动作中的变化。实验表明，我们的模型在代表性原子动作数据集上可达到高准确率，优于各自在全监督设定下的最先进（SOTA）分类准确率。
引用
@article{arxiv.2011.08410,
title = {Semi-Supervised Few-Shot Atomic Action Recognition},
author = {Xiaoyuan Ni and Sizhe Song and Yu-Wing Tai and Chi-Keung Tang},
journal= {arXiv preprint arXiv:2011.08410},
year = {2020}
}
备注
7 pages, 3 figures, 2 tables