W-TALC：基于弱监督的时间活动定位与分类
计算机视觉与模式识别
2018-12-18 v3
摘要
文献中的大多数活动定位方法都受制于逐帧标注的需求。从弱标签中学习可能是减轻此类人工标注工作的潜在解决方案。近年来，互联网上带有标签的视频大量涌现，可作为丰富的弱监督训练数据来源。具体而言，可利用具有相似标签的视频之间的相关性来在时间上定位活动。为此，我们提出 W-TALC，一种仅使用视频级标签的弱监督时间活动定位与分类（Weakly-supervised Temporal Activity Localization and Classification）框架。所提出的网络可分为两个子网络，即基于双流的特征提取器网络和一个弱监督模块，我们通过优化两个互补的损失函数来学习它们。在 Thumos14 和 ActivityNet1.2 两个具有挑战性的数据集上的定性与定量结果表明，所提出的方法能够以细粒度检测活动，并取得优于当前最先进（SOTA）方法的性能。
引用
@article{arxiv.1807.10418,
title = {W-TALC: Weakly-supervised Temporal Activity Localization and Classification},
author = {Sujoy Paul and Sourya Roy and Amit K Roy-Chowdhury},
journal= {arXiv preprint arXiv:1807.10418},
year = {2018}
}
备注
Accepted at European Conference on Computer Vision (ECCV), 2018