Action Detection
[1] ++Action Recognition from Skeleton Data via Analogical Generalization over Qualitative
Representations
Kezhen Chen*, Kenneth Forbus++
- 思路: 从骨架图中学习人的行为
[2] ++Action Recognition with Coarse-to-Fine Deep Feature Integration and Asynchronous Fusion
Weiyao Lin*, Yang Mi, Jianxin Wu, Ke Lu, Hongkai Xiong++
提高精度的方法:
- 生成更加具有针对性的动作特征,来更好的代表某个动作
- 减少不同信息流的异步性
思路:
- 由粗到细的网络提取共享的深层特征,然后逐步融合获得更好的表征特征
- 异步融合网络,在不同时间融合来自不同流的信息
结果:
- 无IDT的。UCF101上是94.3%,HMDB51是69.0%
- 有IDT的。UCF101上是95.2%,HMDB51上是72.6%
[3] ++Cooperative Training of Deep Aggregation Networks for RGB-D Action Recognition
Pichao Wang*, Wanqing Li, Jun Wan, Philip Ogunbona, Xinwang Liu++
网络结构:该篇文章针对的是RGB-D图像,所以并没有细看~
思路:
- 在RGB-D的视觉特征和深度特征上训练c-ConvNet卷积网络
- 通过联合ranking loss和softmax loss能增强深度可分离特征的学习,也就是可以学到更加具有区分性的深度特征
实验结果
- ChaLearn LAP Iso