YOWO-Plus：一种渐进式改进

在本技术报告中，我们介绍对 YOWO（一种用于时空动作检测的实时方法）的更新。我们做了一系列微小的设计改动以使其更好。对于网络结构，我们使用官方实现的 YOWO 相同的结构，包括 3D-ResNext-101 和 YOLOv2，但我们使用自行重新实现的 YOLOv2 的更好预训练权重，其优于官方 YOLOv2。我们还优化了 YOWO 中使用的标签分配。为准确检测动作实例，我们采用 GIoU loss 进行边界框回归。经过我们的渐进式改进，YOWO 在 UCF101-24 上取得 84.9\% 帧 mAP 和 50.5\% 视频 mAP，显著高于官方 YOWO。在 AVA 上，我们优化的 YOWO 以 16 帧取得 20.6\% 帧 mAP，同样超过官方 YOWO。以 32 帧计，我们的 YOWO 在 RTX 3090 GPU 上以 25 FPS 取得 21.6 帧 mAP。我们将优化后的 YOWO 命名为 YOWO-Plus。此外，我们用高效的 3D-ShuffleNet-v2 替换 3D-ResNext-101 来设计轻量级动作检测器 YOWO-Nano。YOWO-Nano 在 UCF101-24 上以超过 90 FPS 取得 81.0 \% 帧 mAP 和 49.7\% 视频帧 mAP。它在 AVA 上以约 90 FPS 取得 18.4 \% 帧 mAP。据我们所知，YOWO-Nano 是最快的 state-of-the-art 动作检测器。我们的代码发布于 https://github.com/yjh0410/PyTorch_YOWO。