用于少样本时序活动检测的相似度 R-C3D
计算机视觉与模式识别
2018-12-27 v1
摘要
许多感兴趣的活动是罕见事件，仅有少量标注样本可用。因此，能够从少量样本中学习的时序活动检测模型是值得期待的。本文中，我们提出一个概念上简单、通用且新颖的少样本时序活动检测框架，该框架在未裁剪视频中检测少样本输入活动的起止时间。我们的模型是端到端可训练的，并且可从更多少样本示例中获益。在测试时，每个候选片段被赋予对应于最大相似度得分的少样本活动类别的标签。我们的 Similarity R-C3D 方法在三个大规模时序活动检测基准（THUMOS14、ActivityNet1.2 和 ActivityNet1.3 数据集）的少样本设定下优于先前的工作。我们的代码将公开可用。
引用
@article{arxiv.1812.10000,
title = {Similarity R-C3D for Few-shot Temporal Activity Detection},
author = {Huijuan Xu and Bingyi Kang and Ximeng Sun and Jiashi Feng and Kate Saenko and Trevor Darrell},
journal= {arXiv preprint arXiv:1812.10000},
year = {2018}
}