Action Recognition

最新推荐文章于 2023-04-30 17:39:31 发布
最新推荐文章于 2023-04-30 17:39:31 发布
阅读量3.7k 收藏 6
点赞数 3
文章标签： 行为识别 深度学习 计算机视觉
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。
本文链接：https://blog.csdn.net/zijin0802034/article/details/72677150
版权
行为识别领域致力于视频分类，任务包括确定视频中的行为类别及其开始和结束时间。常见数据集有UCF101、HMDB51等。近期流行的方法包括两流卷积网络、3D卷积网络等。参考文献涉及深度学习和视频理解的实践。
摘要由CSDN通过智能技术生成

Action Recognition

最近关注了行为识别的领域，这个领域主要任务是视频分类，输入一个短视频，经过训练出来的分类器，得到正确的类别。但是一个视频如果存在多个行为，那么这个任务将会变成，输入一个短视频，经过预先训练的分类器，不仅要得到每一个行为的类别，还要得到行为开始时间和结束时间。这样，这个任务的难度提高不少，也更具有挑战性。
为了方便大家进行对比实验，我把目前的方法以及效果粘贴出来，持续更新。

常见的数据集如下：
UCF101: http://crcv.ucf.edu/data/UCF101.php
HMDB51: http://serre-lab.clps.brown.edu/resource/hmdb-a-large-human-motion-database/
THUMOS 15:http://www.thumos.info/home.html
Sports-1M:http://cs.stanford.edu/people/karpathy/deepvideo/
YouTube-8M:https://research.google.com/youtube8m/download.html
ActivityNet:http://activity-net.org/download.html
FCVID：http://bigvid.fudan.edu.cn/FCVID/ (特别感谢姜育刚老师对FCVID的贡献)

Method HMDB51 UCF101
improved IDT 57.2% 85.9%
IDT high-dim encode 61.1% 87.9%
Two-stream
最低0.47元/天 解锁文章
南有乔木NTU
关注
2D/3D Pose Estimation and Action Recognition using Multitask Deep Learning
07-04
Action recognition and human pose estimation are closely related but both problems are generally handled as distinct tasks in the literature. In this work, we pro- pose a multitask framework for jointly 2D and 3D pose estimation from still images and human action recogni- tion from video sequences. We show that a single archi- tecture can be used to solve the two problems in an effi- cient way and still achieves state-of-the-art results. Ad- ditionally, we demonstrate that optimization from end-to- end leads to significantly higher accuracy than separated learning. The proposed architecture can be trained with data from different categories simultaneously in a seam- lessly way. The reported results on four datasets (MPII, Human3.6M, Penn Action and NTU) demonstrate the effec- tiveness of our method on the targeted tasks.
Action Recognition——基于表示的动作识别综述
Some.
12-12 1907
[1]Herath S , Harandi M , Porikli F . Going deeper into action recognition: A survey[J]. Image and Vision Computing, 2017, 60:4-21.
Video Analysis相关领域介绍之Action Recognition(行为识别)
Will Lin的博客
04-19 2万+
这篇文章投稿在极视角公众号，微信链接 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。目前主要在做视频中动作定位相关的工作，为了开拓思路，读了不少视频分析相关领域的文章，所以打算写几篇博客，对视频分析相关的几个领域做一个简要的介绍。这篇主要介绍Action Recogniti
Activity Recognition行为识别
热门推荐
Rachel Zhang的专栏
09-22 3万+
暑假听了computer vision的一个Summer School，里面Jason J. Corso讲了他们运用Low-Mid-High层次结构进行Video Understanding 和 Activity Recognition的方法，受益颇深，在这里把他的方法总结一下: ----------------------------------------------
行为识别 Activity Recognition
qq_44089890的博客
04-30 5123
具体来说，GCN中的每个节点都有一个特征表示，这个特征表示可以是节点自身的特征向量，也可以是由节点的邻居节点的特征向量组成的聚合特征向量。在行为定位中，通常会使用时间窗口的方法对视频序列进行分割，然后对每个时间窗口进行行为分类，最后通过时间对齐的方法确定行为的发生时间段。这是行为识别中最基本的任务，也是最常见的任务。在这种情况下，特征聚合的计算方法是先将邻接矩阵A通过度矩阵D的逆矩阵进行归一化处理，得到新的邻接矩阵L’，然后将L’与特征矩阵H做矩阵乘法，并乘以权重矩阵W，得到新的特征矩阵H’。
ActionRecognition——基于深度学习的动作识别综述
02-24
本文来自于csdn，本文章主要运用了多个图片介绍了如何基于深度学习的动作进行识别，希望对您的学习有所帮助。
activity_recognition
06-29
该存储库包含用于总结“使用智能手机的人类活动识别”数据集的脚本，该数据集位于 文件 描述 运行分析.R 加载“Human Activity Recognition Using Smartphones”数据集并生成“measurement_mean_by_subject_and_activity.txt”文件，该文件汇总了原始数据集中的平均值和标准偏差测量值。 假设“使用智能手机的人类活动识别”数据集存在于工作目录中。 密码本.md 描述汇总数据集。
Group-Activity-Recognition:一种新型的参与贡献时间动态模型的团体活动识别
05-26
参与贡献的小组活动识别的时间动态模型。 我们举一个一般的DMS（d ATA，男奥德尔，S奥尔弗）为PCTDM代码框架，通过Pytorch impelemented。 您可以通过轻松修改Configs的文件，将新模型或数据集应用到此框架中！ 有关我的更多信息，请访问我的。 要求 > Ubuntu 16.04 > pytorch 0.4.1 = python 2.7 pip install dlib GAR的通用管线 您可以运行python GAR.py执行以下所有步骤。 步骤零：预处理数据集 要在“ ./dataset/VD”和“ ./dataset/CAD”文件夹中下载和 ； 添加none.jpg 使用Processing.py跟踪人员并生成训练/测试文件； 第一步：行动水平 要将Piplines实例创建为： Action = Action_Level(dataset_root,
论文讲解PPT Action recognition with improved trajectories iDT.pptx
10-19
跟着导师学习，导师让我看行为识别相关的顶会论文，这是我自己做的PPT，内容详细，风格简洁
【action recognition】Action Recognition with Improved Trajectorie
warm_in_spring的博客
03-29 766
【Challenges】 severe camera motionvariation in human appearance and posecluttered background and occlusionviewpoint and illumination changes 【Abstract】 Recently dense trajectories were shown to
Action Recognition调研
On_theway10的博客
03-28 759
About Dataset org-website link :https://www.di.ens.fr/~miech/datasetviz/ one-step material link :https://www.jianshu.com/p/a4cc71126796 相关论文中使用最频繁的数据集： UCF101-w，HMDB51，Kinectics-0.5M， Sports-1M...
行为识别Action Detection概述及资源合集（持续更新...）
Gavinmiaoc的博客
07-24 2万+
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...
Video Understanding（1）——Action Recognition动作识别
DaGongJiGuoMaLu09的博客
07-07 2568
1.推荐阅读 动作识别综述 动作识别开源集锦 2.何为 Action Recognition 这里讨论的动作识别针对的是视频帧，也就是说：对每一帧图像进行动作的分类，然后总结出该序列帧属于哪一类动作。 事实上，图像分类已经取得了比较喜人的成绩，但是对于视频分类（video classification）、表征学习（representation learning）来说，深度学习的进展还显得比较缓慢。...
Temporal Pyramid Network for Action Recognition
Bruce_0712的博客
10-30 623
原文：《Temporal Pyramid Network for Action Recognition》 CUHK+SenseTime 的组合还是强。初看标题的时候，想到图片分类的金字塔池化(Spatial Pyramid Pooling)。金字塔池化解决大小，TPN解决快慢问题。 Abstrct 本文提出TPN(Temporal Pyramid Network)网络结构，特点是金字塔。起源于对视频动作快慢得研究，在多个数据集上取得优秀得结果。 Introduction 现实中视频动作的速度(vi
action recognition
最新发布
07-28
动作识别（Action Recognition）是指通过分析视频或图像序列，来识别其中包含的人类动作或活动。这是一项计算机视觉和机器学习领域的研究任务，旨在让计算机能够理解和解释人类的动作。 在动作识别中，常用的方法是提取视频或图像序列中的特征，并使用机器学习算法进行分类或回归。特征可以包括运动信息、姿态信息、光流信息等。一些常见的机器学习算法如支持向量机（SVM）、随机森林（Random Forest）、深度学习模型（如卷积神经网络）等都可以用于动作识别任务。 动作识别在很多领域都有应用，比如视频监控、体育分析、人机交互、虚拟现实等。它可以帮助计算机更好地理解人类行为，从而实现更智能化的应用和系统。
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