基于深度模型在移动设备上实现实时动作识别
计算机视觉与模式识别
2019-06-18 v1
摘要
动作识别是计算机视觉中的一项重要任务，已有许多方法被提出以将其推向极限。然而，当前的动作识别模型计算开销巨大，无法部署到移动设备上的实际任务中。在本文中，我们首先阐明了实时动作识别的设置，该设置不同于当前的动作识别推理设置。在新的推理设置下，我们在 Kinetics 数据集上对所领先的(state-of-the-art)动作识别模型进行了实证调研。我们的结果表明，设计高效的实时动作识别模型不同于设计高效的 ImageNet 模型，尤其在权重初始化方面。我们展示了在 ImageNet 上的预训练权重可提升实时动作识别设置下的准确率。最后，我们以手势识别任务作为案例研究，在手机上的实际应用中评估我们紧凑的实时动作识别模型。结果表明，我们的动作识别模型比最先进模型快 6 倍且精度相近，能够大致满足移动设备上的实时要求。据我们所知，这是首篇将当前深度学习动作识别模型部署到移动设备上的论文。
引用
@article{arxiv.1906.07052,
title = {Towards Real-Time Action Recognition on Mobile Devices Using Deep Models},
author = {Chen-Lin Zhang and Xin-Xin Liu and Jianxin Wu},
journal= {arXiv preprint arXiv:1906.07052},
year = {2019}
}
备注
work in progress