weixin_43659035的博客

区域卷积三维网络(R-C3D)，它使用一个三维全卷积网络对视频流进行编码，然后生成包含活动的候选时间区域，最后将选定的区域划分为特定的活动

原文 转载 摘要 我们提出了一种改进的方法TAL-Net用于视频中的时序动作定位，这是一种灵感来源于Fast R-CNN目标检测框架的网络。TAL-Net解决了现存方法的三个关键性缺点：(1)我们使用一种多尺度框架改进了感受野的校准，这使得我们的方法能够适应视频动作长度的极端变化。(2)我们通过适当扩大感受野更好的利用了动作的时序上下文信息来生成感兴趣区域(proposal generation)...

** 用于视频动作检测的时空渐进学习** 摘要： 本文提出了一种用于视频时空动作检测的渐进学习框架——时空渐进动作检测器。从几个粗略的建议长方体开始，我们的方法通过几个步骤逐步细化建议，使之成为行动。这样，高质量的提案(即，坚持动作动作)可以通过利用前面步骤的回归输出，在后面的步骤中逐步获得。在每一个步骤中，我们都及时地对建议进行适应性扩展，以包含更多相关的时间上下文。与以往一次运行中执行动作检测...

https://zhuanlan.zhihu.com/p/76073340 https://blog.youkuaiyun.com/qq_41895190/article/details/90371509

检测和识别人与物体的相互作用 为了理解视觉世界，机器不仅必须识别单个对象实例，还必须识别它们之间的交互方式。人类往往处于这种互动的中心，检测人与物的互动是一个重要的实践和科学问题。在本文中，我们的任务是检测人，动词，物体三胞胎在挑战性的日常照片。我们提出了一个以人为中心的新模型。我们的假设是，一个人的外表——姿势、衣着、动作——是一个强有力的线索，可以帮助他们定位与之互动的物体。为了利用这一线索...

细粒度分类具有挑战性，因为很难找到有区别的特征。找到那些能够完全描述物体的细微特征并不容易。为了解决这一问题，我们提出了一种新的自监督机制来有效地对信息区域进行定位，而不需要使用框/部件标注。我们的模型NTS-Net称为导航-教学-审查网络，由导航器代理、教学器代理和审查器代理组成。考虑到区域的信息量与其为groundtruth类的概率之间的内在一致性，设计了一种新的训练范式，使导航器能够在教...