TACNet：面向时空动作检测的转移感知上下文网络
计算机视觉与模式识别
2019-06-03 v1 人工智能
摘要
当前最先进的时空动作检测方法已取得令人印象深刻的成果，但在时间范围检测上仍不尽如人意。主要原因之一在于，存在一些与真实动作相似的模糊状态，即便训练良好的网络也可能将其误判为目标动作。本文将这些模糊样本定义为“转移状态”，并提出一种转移感知上下文网络（TACNet）以区分转移状态。所提出的 TACNet 包含两个主要组件，即时间上下文检测器和转移感知分类器。时间上下文检测器通过构建循环网络以常数时间复杂度提取长期上下文信息。转移感知分类器通过同时分类动作与转移状态来进一步区分转移状态。因此，所提出的 TACNet 可大幅提升时空动作检测的性能。我们在 UCF101-24 和 J-HMDB 数据集上对所提出的 TACNet 进行了充分评估。实验结果表明，TACNet 在 JHMDB 上取得了具有竞争力的性能，并在未裁剪的 UCF101-24 上于帧级 mAP 和视频级 mAP 两方面均显著优于最先进的方法。
引用
@article{arxiv.1905.13417,
title = {TACNet: Transition-Aware Context Network for Spatio-Temporal Action Detection},
author = {Lin Song and Shiwei Zhang and Gang Yu and Hongbin Sun},
journal= {arXiv preprint arXiv:1905.13417},
year = {2019}
}
备注
CVPR-2019