用于活动检测的未修剪视频分类：ActivityNet 挑战赛提交
计算机视觉与模式识别
2016-07-14 v2
摘要
当前最先进的人体活动识别专注于时序已修剪视频的分类，其中每帧仅发生一个动作。我们提出一种简单而有效的方法，借助未修剪分类对时序未修剪视频中的活动进行时序检测。首先，我们的模型通过分析全局视频级特征预测每个未修剪视频的 top k 标签。其次，帧级二分类与动态规划相结合以生成时序修剪的活动提议。最后，每个提议基于全局标签分配一个标签，并用时序活动提议的分数和全局分数进行打分。最终，我们展示未修剪视频分类模型可作为时序检测的踏脚石。
引用
@article{arxiv.1607.01979,
title = {Untrimmed Video Classification for Activity Detection: submission to ActivityNet Challenge},
author = {Gurkirt Singh and Fabio Cuzzolin},
journal= {arXiv preprint arXiv:1607.01979},
year = {2016}
}
备注
3 pages, Presented at ActivityNet Large Scale Activity Recognition Challenge workshop at CVPR 2016, Second position in ActivityNet Detection challenge 2016