UC Merced在2016年ActivityNet挑战赛未修剪视频分类任务中的提交方案
计算机视觉与模式识别
2017-04-13 v1 多媒体
摘要
本笔记论文描述了我们用于2016年ActivityNet挑战赛中未修剪视频分类任务的系统。我们研究了多种用于长未修剪视频中动作识别的先进方法。我们利用手工制作的运动边界直方图特征以及来自深度网络(如VGG16、GoogLeNet和C3D)的特征激活。这些特征分别被输入线性、一对多支持向量机分类器，以产生每个动作类别的置信度分数。然后，这些预测与近期超深ResNet-101的softmax分数通过加权平均相融合。
引用
@article{arxiv.1704.03503,
title = {UC Merced Submission to the ActivityNet Challenge 2016},
author = {Yi Zhu and Shawn Newsam and Zaikun Xu},
journal= {arXiv preprint arXiv:1704.03503},
year = {2017}
}
备注
Notebook paper for ActivityNet 2016 challenge, untrimmed video classification track