该篇CVPR 2015论文介绍了如何通过Spatial-CNN和Motion-CNN定位视频中的Action Tubes。首先，通过Selective Search产生区域提案，并基于IoU阈值筛选正负样本。然后，使用预训练的CNN模型初始化并提取特征，训练线性SVM进行动作检测。最终，通过相邻帧中最高得分的region连接形成Action Tubes，并进行视频级别的动作分类。这种方法结合了Appearance和Motion信号，但可能在多actor场景中表现不佳。
该篇论文是CVPR 2015的, 主要讲述了action tube的localization.
直接看图说话,
该论文的核心思想/步骤可以分为两个components:
1 Action detection at every frame of the video
2 Linked detection in time produce action tubes
下面就分开来说每个component.
1 Action detection at every frame of the video
大概思想就是: 训练Spatial-CNN和Motion-CNN来提feature, 在feature上为每个类别训练线性svm.
具体步骤如下:
a.
找出each frame的interesting regions. 基于ground-truth的region及action label, 构建正负样本.
这里用IoU的方法: >0.5 为positive region, <0.3为negative region.
为什么要这样做呢? 个人觉得论文里面的action tube是针对里面的actor来弄的,
也就是对视频里面的某个actor进行action的跟踪和action 分类.
最低0.47元/天 解锁文章
扫一扫
173
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
