三分支：利用更丰富特征检测动作
计算机视觉与模式识别
2019-08-14 v1
摘要
我们提出了用于 CVPR2019 国际活动识别挑战赛的三分支解决方案。该模型旨在将全局视频片段、短时人类注意力和长期人类活动的更丰富信息融合到一个统一模型中。我们参与了两项任务：任务 A，Kinetics 挑战赛和任务 B，时空动作定位挑战赛。对于 Kinetics，我们取得了 21.59% 的错误率。对于 AVA 挑战赛，我们的最终模型在测试集上获得了 32.49% 的 mAP，优于 CVPR 2018 所有 AVA 挑战赛提交结果超过 10% mAP。作为未来工作，我们将引入人类活动知识，这是一个包含人类活动关键信息的新数据集。
引用
@article{arxiv.1908.04519,
title = {Three Branches: Detecting Actions With Richer Features},
author = {Jin Xia and Jiajun Tang and Cewu Lu},
journal= {arXiv preprint arXiv:1908.04519},
year = {2019}
}