Jul, 2016

分层深度时间模型用于群体活动识别

PDF
TL;DR本文针对视频序列中的团体活动行为分类问题，基于 LSTM 模型构建了一个 2 阶段的深度时间模型，同时考虑了个体和群体层面的动态信息，通过在排球视频数据集上的实验验证了该模型的有效性。
发现论文，激发创造
  • 分层深层时间模型用于团体活动识别

    通过 LSTM 模型构建 2 阶段深层次模型，从而更好地理解群体活动，利用这些动态实现群体活动识别，实验结果表明，该模型可以有效提高群体活动识别性能。

    Nov, 2015

  • 群体活动识别的深度结构模型

    本文提出了一种基于深度神经网络和分层图模型的个人和群体活动监测方案，使用深度网络识别场景中个人的动作，并通过考虑类别间的依赖关系使用神经网络分层图模型完善每个类别的预测标签，该方法能有效改善基准测试方法的识别率。

    Jun, 2015

  • 无检测器弱监督群体活动识别

    本研究提出了一种新的基于 Transformer 模型的团队活动识别方法，该方法借助注意机制对部分环节进行定位与编码，再对其进行聚合以反映整个活动的完整背景和每个环节的时间演化，无需借助较强的监督方法，在两个基准测试中均表现良好。

    Apr, 2022

  • 学习个人轨迹表示用于团队活动分析

    本篇研究提出了一种端到端的深度学习向量表示方法来进行群体活动分析，该方法可以编码个体动作和集体行为的空间时间依赖关系来识别个体事件并识别群体，此外本方法还可以应用于团队体育运动数据的事件分析和阵型分析中。

    Jun, 2017

  • 视频监控中，具有不同团队成员数量的团队事件检测

    本文介绍了一种自动识别视频监控中群组活动的新方法，提出使用群体代表来处理识别，使用异步隐马尔可夫模型来建模人际关系，并提出了一种既能处理对称性又能处理非对称性群组活动的算法，证明了该方法能够检测人与人之间的分层互动关系，实验结果表明了方法的有效性。

    Feb, 2015

  • 基于 Actor-Transformers 的群体活动识别

    本文提出一种基于 actor-transformer model 认知视频中的个人行为和组群活动的模型，并通过 2D 姿态网络和 3D CNN 等方式提供丰富的个人动态和静态信息表示，从而在公开数据集上取得了显著的效果。

    Mar, 2020

  • 在视频中联合学习社交群体、个体动作和子群体活动

    本文提出了一个端到端的可训练框架来解决人类活动理解中的社交任务。该框架同时分组人们，预测他们的个人行为和每个社交团体的社交活动，并提供了新的数据集注释。

    Jul, 2020

  • 用于人与人交互识别的层次化长短时并发记忆

    本文提出了一种新型层级长短时记忆并发记忆模型（H-LSTCM），能够通过捕捉多个人之间的长期相互关系动态来识别人类交互，通过与基线和先进的方法相比，证明了所提出模型的有效性。

    Nov, 2018

  • 基于动作驱动的视频目标检测的时间动态图 LSTM

    本文研究了一种弱监督目标检测框架，通过使用视频和动作描述作为监督信号，并提出了一种基于时间动态图长短期记忆网络的新方法来解决视频中缺失标签等问题，并在 Charades 数据集上进行了广泛的评估，证明了该方法的优越性。

    Aug, 2017

  • 集体活动识别的潜在嵌入

    本文提出了一种嵌入潜在变量的深度学习框架，具有关注机制，可用于在集体活动场景中捕捉更丰富的交互信息和背景信息，取得了优于现有方法的性能。

    Sep, 2017