ActivityNet Challenge 2019 参赛报告：任务 B 时空动作定位
计算机视觉与模式识别
2019-07-26 v1 机器学习
摘要
本技术报告概述了我们为 ActivityNet Challenge 2019 中的时空动作定位（SAL）任务所提出的系统。与以往基于双流的工作不同，我们专注于仅使用 RGB 序列图像探索端到端可训练的架构。为此，我们采用了先前提出的简单而有效的双分支网络 SlowFast Networks，其能够捕获短期和长期的时空特征。此外，为处理严重的类别不平衡与过拟合问题，我们提出了一种保持相关性的数据增强方法和一种随机标签子采样方法，二者已被证明能够减少过拟合并提升性能。
引用
@article{arxiv.1907.10837,
title = {Submission to ActivityNet Challenge 2019: Task B Spatio-temporal Action Localization},
author = {Chunfei Ma and Joonhyang Choi and Byeongwon Lee and Seungji Yang},
journal= {arXiv preprint arXiv:1907.10837},
year = {2019}
}
备注
4 pages, 2 fighures