论文《Attentional Pooling for Action Recognition》

论文链接: Attentional Pooling for Action Recognition
project page:project page
代码链接:https://github.com/rohitgirdhar/AttentionalPoolingAction, 采用TensorFlow1.1.0和Slim来实现。

概述

2017年NIPS上的一篇关于动作识别的论文,文章提出了一个简单但令人惊讶的强大模型——attentional pooling,将注意力集中在动作识别和人与对象交互任务中,引入自下而上和自上而下的新推导作为双线性池化方法的低秩近似(通常用于细粒度分类),用其来代替CNN网络结构中最后pooling层常用的mean pooling或max pooling, 在 MPII, HICO 和 HMDB51(只在RGB数据上做了实验并对比)三个动作识别数据集上进行了实验,都取得了很好的结果。

此外,作者还提出利用人体姿态关键点对attention进行约束,实现方式就是在网络最后加上2个MLP来预测17通道的heat map,其中16个通道是人体姿态关键点,1个通道是 bottom-up attention 的 feature map。 通过最小化姿态关键点的loss和 attentional pooling的loss 的加权和,使得最

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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