论文浏览(47) CFAD: Coarse-to-Fine Action Detector for Spatiotemporal Action Localization

最新推荐文章于 2024-07-23 08:30:00 发布
原创 最新推荐文章于 2024-07-23 08:30:00 发布 · 894 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文探讨了上海交大和上海大学合作的ECCV2020论文，提出了一种名为CFAD的时空行为检测方法，通过减少帧级检测，显著提高检测速度，同时保持相近的mAP。方法主要针对检测-链接策略的局限性，采用粗细两级检测，有效应对偏差bbox问题。

文章目录

0. 前言

  • 相关资料：
    • arxiv
    • github
    • 论文解读
  • 论文基本信息
    • 领域：时空行为检测
    • 作者单位：上海交大&上海大学
    • 发表时间：ECCV 2020

1. 要解决什么问题

  • 之前的 action detection 方法都是先在 frame-wise 或 clip wise 进行检测，得到 action proposals，在连接结果。
    • 因为要对每一帧都要进行检测，所以从时间性能上看很受到限制。
    • 每次输入都是一帧或几帧（clip），所以得到的信息都收到了限制，在进行行为分类或行为定位（localization）时也都会存在限制。
    • 训练过程中，tubes一般都是不完整的（因为整个tube的所包含的帧太多，每个样本输入的帧数量有限）。
    • 在遇到存在偏差的bbox时，基于IOU的link方法会导致误差累积，结果不准确。

2. 用了什么方法

  • 提出了 Corarse-to-fine action detector(CFAD) 用来替代 detect-and-link 策略
    • 思路是：较近时间间隔内bbox的变化是线性的，也就是说，不用每一帧都进行检测。
    • 以前方法的思路以及CFAD思路对比如下图
      • 以前的方法是先Detection再Link。
      • CFAD是
最低0.47元/天 解锁文章
Video Understanding（3）——Spatio-Temporal Action Localization时空动作定位
DaGongJiGuoMaLu09的博客
01-13 3900
《Action Tubelet Detector for Spatio-Temporal Action Localization》，2017，[caffe] 《Tube Convolutional Neural Network (T-CNN) for Action Detection in Videos 》，2017，[caffe]
论文Action Tubelet Detector for Spatio-Temporal Action Localization解读
sinat_24674017的博客
08-19 2698
论文链接 https://arxiv.org/abs/1705.01861 动机 当前的行为定位算法都是在每一帧上进行目标检测得到空间定位，再连接每一帧上的检测结果得到时间上的定位。这种方式将每一帧作为独立的输入，没有将视频帧的时间连续性特征信息考虑进去，容易造成检测结果的模糊 贡献 提出一个Action Tubelet detector (ACT-detector)，输入多帧连续视频帧，输出预测...
[reading notes] Action Tubelet Detector for Spatio-Temporal Action Localization
u014410989的专栏
05-24 1030
1. paperhttps://hal.inria.fr/hal-01519812/documentVicky Kalogeiton, Philippe Weinzaepfel, Vittorio Ferrari, Cordelia Schmid. Action Tubelet Detectorfor Spatio-Temporal Action Localization. ICCV - IEEE...
Spatio temporally Action Detection Location 系列(1) :AVA Dataset And Action Localization Model
huyouni110的博客
08-09 1227
Spatio temporally Action Detection Location 系列（1）：AVA数据集与基准模型AVA数据集Action Localization Model5.1 当前研究水平的局限:5.2 方法结构：5.3 Baseline.:5.4 Implementation details：5.5 Linking连接Experiments and Analysis6.1 D...
中文翻译 Action Tubelet Detector for Spatio-Temporal Action Localization 中文版本
03-28
本资源 利用人工+机器 翻译了 Action Tubelet Detector for Spatio-Temporal Action Localization 如有错误，望指出
LCD-1602 LCD-12864屏LED88-38TXD144CFAD封装库（ALTIUM 3D PCB封装库）.PcbLib
05-14
LCD-1602 LCD-12864屏LED88-38TXD144CFAD封装库（ALTIUM 3D PCB封装库）： Component Count : 14 Component Name ----------------------------------------------- JLX12864G-086 JLX12864G-200 JLX12864G-1353 ...
Oracle 19c(19.9) RAC on linux, 应用执行一个update sql时报错ora-600
weixin_tank88921的博客
07-23 1701
Oracle 19c(19.9) RAC on linux, 应用执行一个update sql时报错ora-600, 错误日志如下应该是在SQL解析阶段，多个session一致性访问相同的sql cursor时， 获取了hash chain后，遍历hash table时，查找hash bucket时出错。还是发生在shared pool内存中， 判断问题是SQL级，影响该SQL, 建议尝试flush shared pool。
【ECCV2020】完整论文集part2
TomRen
07-18 7939
ECCV2020 接收论文完整列表 看论文学CV
ECCV 2020 论文大盘点-动作检测与识别篇
我爱计算机视觉
10-17 5409
本文盘点 ECCV 2020所有动作检测与识别（Action Detection and Recognition）相关论文，总计 26 篇。包含动作识别（Action Recognit...
Spatio temporally Action Detection Location 系列(2) :A Better Baseline for AVA
huyouni110的博客
08-09 566
Spatio temporally Action Detection Location 系列（2）：A Better Baseline for AVA一 简介二 Model and Approach三 Experiments：四 与ava不同：五 不同配置影响：六 I3D结构:七 code 一 简介 这篇论文很短，提供了一个改进的方法，流程也更为简单，本文还是主要介绍模型框架. 我们在AVA数据...
Relation Modeling in Spatio-Temporal Action Localization 技术报告翻译
dai_tou_dage的博客
03-20 3457
报告链接 https://www.youtube.com/watch?v=SEqFdkqdwlE Relation Modeling in Spatio-Temporal Action Localization 时空动作定位中的关系建模 Abstract 本文介绍了我们对 CVPR 2021 ActivityNet 研讨会 AVA-Kinetics Crossover Challenge 的解决方案。我们的解决方案利
spatio-temporal localization方法
404 NOT FOUND
12-22 439
前言: 光流，backbone等等这种的发展就不说了，主要说下大的发展的变化 早期是单帧检测，然后把结果连接起来。 不同方法backbone不同，有的也用了光流，比如[1] 由于单帧缺少对时序信息的挖掘，最近的方法是在做检测时用到时间信息。 代表性的有 1>ACT [2] 将多帧结果堆叠回归一个立方的proposal也就是说类似于做了proposal层面的tube(作者把它叫做...
论文浏览(39) Action Tubelet Detector for Spatio-Temporal Action Localization
清欢
09-09 683
文章目录0. 前言1. 要解决什么问题2. 用了什么方法3. 效果如何4. 还存在什么问题&有什么可以借鉴 0. 前言 相关资料： arxiv github(CAFFE) 论文解读 论文基本信息 领域：时空行为检测 作者单位：格勒诺布尔大学 & 爱丁堡大学 发表时间：CVPR 2017 1. 要解决什么问题 之前的时空检测模型都是先检测frame的结果，然后再link。 单独处理每一帧图片并不是最优方法。 没有完全利用到视频的连续性（temporal continui
时空动作检测 (spatio-temporal action detection)
Michael’s Blog
10-24 4836
时刻动作检测（spatio-temporal action detection）任务简介
三维视觉论文阅读：Eigen2014单目深度估计
Yan
11-25 1040
摘要 论文《Depth Map Prediction from a Single Image using a Multi-Scale Deep Network》 论文其他部分，明日再写，今天先搞定公式。 损失函数 不得不说论文里的损失函数让人看得乱七八糟的，根本搞不懂。经过我两个夜晚的思考，终于把公式看懂了，真是难得啊，特此记录一下。 首先记di=logyi∗−logyid_i=logy_i^*-logy_idi​=logyi∗​−logyi​，d‾=α(y,y∗)=1n∑di\overline{d}=\a
深度学习（十七）基于改进Coarse-to-fine CNN网络的人脸特征点定位
hjimce的专栏
11-29 2万+
本篇博文主要讲解2013年face++的大牛们提出的改进的DCNN模型《Extensive Facial Landmark Localization with Coarse-to-fine Convolutional Network Cascade》，发表于2013年ICCV上的一篇用于定位多个人脸特征点的文献，实现了68个人脸特征点的高精度定位。这篇paper没有给出训练数据，也没有给出测试模型、源代码等，所以源代码需要自己写，训练数据我们需要自己到IBUG网站下载，可以下载到两千多张的训练数据，这篇p
行为识别Action Detection概述及资源合集（持续更新...）
热门推荐
Gavinmiaoc的博客
07-24 3万+
随着深度学习技术的发展，以及计算能力的进步（GPU等），现在基于视频的研究领域越来越受到重视。视频与图片最大的不同在于视频还包含了时序上的信息，此外需要的计算量通常也大很多。 这篇主要介绍Action Recognition（行为识别）这个方向。这个方向的主要目标是判断一段视频中人的行为的类别，所以也可以叫做Human Action Recognition。虽然这个问题是针对视频中人的动作，但基...
CVPR2019 action detection 动作检测论文STEP 算法学习笔记
One Way的博客
08-19 2467
STEP: Spatio-Temporal Progressive Learning for Video Action Detection 学习时，别忘了总是要问自己一个为什么 论文 文章： STEP: Spatio-Temporal Progressive Learning for Video Action Detection 链接：https://arxiv.org/pdf/1904.092...
2020 ECCV 所有论文及补充材料链接（二）
u014546828的博客
08-24 1万+
2020 ECCV 所有论文及补充材料链接（一） 2020 ECCV 所有论文及补充材料链接（二） ------------------------------------------------------------------ Yet Another Intermediate-Level Attack Qizhang Li, Yiwen Guo, Hao Chen [pdf] [DOI] Topology-Change-Aware Volumetric Fusion for Dynam
postman中这个报错是什么意思？要怎么修改{ "adapterHeader": { "receiveTime": "2025-08-19 17:56:50.411", "requestTime": "2025-08-19 17:55:29.862", "requestId": "2cfad16fa8dc4cb8ae4dbe7e684ec19b", "responseTime": "2025-08-19 17:56:50.414", "elapseTime": "3ms", "version": "v1.0", "responseId": "91af44204af34d29ab0209b1dd25b72d" }, "message": [ { "code": "999999", "value": "signature error" } ], "status": "0" }
最新发布
08-20
Postman 中出现的 `SSL Error: UNABLE_TO_VERIFY_LEAF_SIGNATURE` 错误通常与 SSL/TLS 证书验证失败有关。这种情况常见于使用自签名证书或开发环境中的本地 HTTPS 服务时，客户端无法验证服务器的证书链[^1]。 ### 错误含义 - **UNABLE_TO_VERIFY_LEAF_SIGNATURE** 表示 Postman 无法验证服务器提供的 SSL 证书的签名。这可能是由于以下原因： - 服务器使用的是自签名证书，而不是由受信任的证书颁发机构（CA）签发的证书。 - 本地开发环境（如 ASP.NET Core 的开发 HTTPS 证书）使用的证书未被操作系统或 Postman 信任。 - 证书链不完整或配置错误。 ### 解决方案 #### 1. **信任开发证书（适用于本地开发）** - 在 ASP.NET Core 项目中，开发环境通常使用自签名的 HTTPS 证书。可以通过以下命令信任该证书： ```bash dotnet dev-certs https --trust ``` - 运行该命令后，系统会提示安装并信任开发证书，从而解决 Postman 中的 SSL 验证问题[^1]。 #### 2. **禁用 SSL 验证（不推荐用于生产环境）** - 在 Postman 的设置中，可以临时禁用 SSL 验证以绕过此错误： - 打开 Postman。 - 点击右上角的齿轮图标进入 **Settings**。 - 切换到 **General** 标签页。 - 将 **SSL certificate verification** 设置为 **Off**。 - 注意：此方法仅适用于测试环境，禁用 SSL 验证会降低安全性，不建议在生产环境中使用。 #### 3. **手动导入证书** - 如果使用的是自签名证书，可以手动将证书导入到操作系统的受信任根证书存储中： - 导出服务器使用的 SSL 证书（例如从浏览器中导出）。 - 在操作系统中打开证书管理器（如 Windows 上的 `certmgr.msc`）。 - 将证书导入到 **受信任的根证书颁发机构** 存储中。 - 完成后，Postman 将能够验证证书并正常访问 HTTPS 接口[^1]。 #### 4. **检查服务器配置** - 确保服务器正确配置了 SSL/TLS 证书，并且证书链完整。 - 在 ASP.NET Core 中，检查 `launchSettings.json` 文件中的 HTTPS 配置是否正确： ```json { "iisSettings": { "windowsAuthentication": false, "anonymousAuthentication": true, "iisExpress": { "applicationUrl": "http://localhost:44319", "sslPort": 44319 } } } ``` #### 5. **使用 HTTP 替代 HTTPS（仅限测试）** - 如果不需要 HTTPS，可以暂时将请求地址改为 HTTP： ``` GET http://localhost:44319/api/values ``` - 此方法适用于测试目的，但在实际生产环境中应始终使用 HTTPS。 ### 代码示例：C# 调用 HTTPS 接口时的 TLS 配置 如果使用 C# 的 `HttpClient` 调用 HTTPS 接口时遇到类似问题，可以显式指定 TLS 协议版本： ```csharp ServicePointManager.SecurityProtocol = SecurityProtocolType.Tls12; var client = new HttpClient(); client.DefaultRequestHeaders.Add("User-Agent", "PostmanRuntime/7.26.10"); var response = await client.GetAsync("https://localhost:44319/api/values"); ``` ### 总结 Postman 中的 `SSL Error: UNABLE_TO_VERIFY_LEAF_SIGNATURE` 主要与 SSL 证书验证失败有关。解决方法包括信任开发证书、禁用 SSL 验证、手动导入证书、检查服务器配置或使用 HTTP 替代 HTTPS。根据具体场景选择合适的解决方案。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值