Long-term Recurrent Convolutional Networks for Visual Recognition and Description (CVPR 2015)

发表于 2019-10-24 | 分类于动作识别， RNN

本文提出了LRCNs (Long-term Recurrent Convolutional Networks )模型，以端到端训练的方式结合了卷积和RNN，接受可变长的输入和输出，可用于行为识别，图片标题生成和视频描述。相比于RNN，LSTM因为加入记 ...

Human Action Recognition using Factorized Spatio-Temporal Convolutional Networks (ICCV 2015)

发表于 2019-10-22 | 分类于动作识别， Fusion ，双流

3D卷积网络（这里指的是3D Convolutional Neural Networks for Human Action Recognition）虽然效果还不错，但是其参数量较多，而且训练数据的规模也没有现在这么大，所以网络参数不易优化，根据这个局限，本文提出将3D时间空间 ...

发表于 2019-10-15 | 分类于动作识别， 3D卷积

这篇文章的贡献点有三个：使用3D卷积网络来提取时空特征；使用3*3*3的小卷积核组成网络结构，识别效果最好；提出的C3D网络在动作识别中取得了state-of-the-art的效果，计算简单，容易训练和使用。另外，这篇论文主页公开了caffe版本的代码，caffe转Tenso ...

发表于 2019-10-08 | 分类于动作识别， Fusion ，双流

本文的目的是扩展现有的用于单张图片分类的卷积网络的能力，用于视频数据中的动作识别，为了达到这个目标，探索了一种不同的方法，用两个独立的识别stream（空间，时间），并将两个stream合并得到最终的结果。空间stream用于从静止的视频帧中识别动作，时间stream用于从以 ...

发表于 2019-09-26 | 分类于动作识别， 3D卷积

本篇论文是从ICML2010的基础上扩展的，提出了能从原始输入同时提取时间和空间特征的3DCNN，还提出了辅助特征的结构。先说动作识别，动作识别可以应用在视频监控，顾客属性和购物行为分析，而之前的方法大部分采用两步走的策略：基于原始输入提取手工特征、基 ...

发表于 2019-09-25 | 分类于动作识别， Fusion ，时空Fusion

动作识别，即判断视频中人的动作的类别，其难点包括类内和类间差距（同一个动作，不同的人的表现可能有极大的不同）、运动特征提取（很难确定动作的起始点）、缺少标注良好的大数据集等。以往的方法多是基于人工提取的特征，提取感兴趣区域的局部特征，并将不同的特征组合起来，得到一个固定长度的 ...

发表于 2018-05-05 | 分类于深度学习， Keypoint

注：本文介绍的RMPE方法在MPII和MSCOCO这两个数据库上的效果很好，AP超过了16年和17年coco比赛的第一名CMU和旷视，在实际中自己从网上找的图片进行测试，对一些比较简单的，比如人面对镜头整成站立或一些小的形变是比较鲁棒的，但当人存在较大弯曲（如杂技演员），就会 ...

发表于 2018-04-21 | 分类于深度学习， STN

STN网络是谷歌提出来一个模型，可以看成CNN网络中的一个插件，从效果上看，STN网络能通过无监督的方式自动学习，找到图片中的ROI区域并进行一系列逆变换，将ROI区域的物体转换为正常形态，实现空间不变性。本文参考了此篇博客一个好的分类模型应该能将物体 ...

发表于 2018-04-07 | 分类于深度学习， Salient

在长期的进化中，人类拥有了在复杂环境中快速发现感兴趣目标的能力，这种高度发达的注意力机制使人们在看一张图片时，其注意点首先会落在更能刺激视觉的区域，即显著性区域。目前我们拥有海量的图像数据，而显著性目标检测即模仿人类的视觉注意力机制，在图片数据中找到最重要的信息，进行后续处理 ...