面向动作识别的空间与时间深度特征空间中的压缩激励
计算机视觉与模式识别
2018-07-23 v2
摘要
空间特征与时间特征是人体动作识别的两个关键且互补的信息。为充分利用帧内空间特性与帧间时间关系，我们提出压缩激励长时循环卷积网络（SE-LRCN）用于人体动作识别。压缩与激励操作用于实现特征重标定。在 SE-LRCN 中，采用压缩激励 ResNet-34（SE-ResNet-34）网络提取空间特征，以增强像素粒度特征通道的依赖性与重要性。我们还提出压缩激励长短期记忆（SE-LSTM）网络来建模时间关系，并增强帧粒度特征通道的依赖性与重要性。我们在两个具有挑战性的基准 HMDB51 与 UCF101 上评估所提模型，所提 SE-LRCN 取得了与当前最优（state-of-the-art）相竞争的结果。
引用
@article{arxiv.1806.00631,
title = {Squeeze-and-Excitation on Spatial and Temporal Deep Feature Space for Action Recognition},
author = {Gaoyun An and Wen Zhou and Yuxuan Wu and Zhenxing Zheng and Yongwen Liu},
journal= {arXiv preprint arXiv:1806.00631},
year = {2018}
}
备注
Need to be Revised