资料下载
×
行为关联网络：针对视频中的完整行为建模
消耗积分:0 |
格式:rar |
大小:1.24 MB |
2021-05-07
分享资料个
针对视频中的完整行为建模，目前常用的方法为时间分段网络（ Temporal Segment Network，TSN），但TSN不能充分获取行为的变化信息。为了在时间维度上充分发掘行为的变化信息，文中提出了行为关联网络 Action-related Network（ARN），首先使用 Bn-inception网络提取视频中行为的特征，然后将提取到的视频分段特征与 Long short- Term Memory（LSTM）模块输出的特征拼接，最后进行分类。通过以上方法，ARN可以兼顾行为的静态信息和动态信息。实验结果表明，在通用数据集HMDB-51上，ARN的识别准确率为73.33%，比TSN提高了7%;当增加行为信息时，ARN的识别准确率将比SN提高10%以上。而在行为变化较多的数据集 Something-somethingⅥ1上，ARN的识别准确率为28.12%，比TSN提高了51%。最后在HMDB51数据集的一些行为类别上，文中进一步分析了ARN和TSN分别利用更完整的行为信息时识别准确率的变化情况，结果表明ARN的单个类别识别准确率高于TSN10个百分点以上。由此可见，ARN通过关联行为变化，对完整行为信息进行了更充分的利用，从而有效地提高了变化行为的识别准确率。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
