TransNet V2：一种用于快速镜头切换检测的有效的深度网络架构
计算机视觉与模式识别
2020-08-12 v1
摘要
尽管自动镜头切换检测方法已被研究二十余年，但一种有效且通用的人类水平模型尚未被提出。即便对于硬切或简单渐变等常见镜头切换，所分析视频内容的潜在多样性仍可能导致误检与漏检。近来，基于深度学习的方法利用 3D 卷积架构和人工生成的训练数据显著提升了镜头切换检测的准确率。然而，百分之百的准确率仍是一个不可企及的理想。在本文中，我们分享当前版本的深度网络 TransNet V2，其在公认的基准上达到了最先进的性能。我们提供了一个训练好的模型实例，以便社区可立即用于大规模视频档案的高效分析。此外，我们详述了网络架构以及我们在训练过程中的经验，包括用于便捷使用所提模型及可视化结果的简单代码片段。
引用
@article{arxiv.2008.04838,
title = {TransNet V2: An effective deep network architecture for fast shot transition detection},
author = {Tomáš Souček and Jakub Lokoč},
journal= {arXiv preprint arXiv:2008.04838},
year = {2020}
}