CVPRJun, 2017

Okutama-Action：一种用于同时人体行动检测的空中视角视频数据集

PDF
TL;DR本文提出了一个名为 Okutama-Action 的数据集，用于帮助超越现有的人体动作检测数据集的限制，以便更好地适应复杂的现实世界应用场景，其中包括动态转换操作，显着的比例和宽高比变化，突然的相机移动，以及多标签演员等不同的挑战
human action detectionaerial viewokutama-action datasetmulti-labeled actorsreal-world applications
发现论文，激发创造
  • 人体动作识别的多视点室外数据集

    该论文提供了一个从多个角度观测人类行为的数据集，并在两流卷积神经网络结构配合核排名汇总的方法下获得了 74.0% 的动作识别准确率。

    Oct, 2021

  • AVA-Kinetics 本地化人类行为视频数据集

    该论文介绍了 AVA-Kinetics 本地化人类行为视频数据集，其中包含超过 230k 个帧，对每个人的关键帧进行了 80 个 AVA 动作类的注释，通过视频行动变换网络在 AVA-Kinetics 数据集上进行了基线评估，并证明了在 AVA 测试集上行动分类的表现有所改善。

    May, 2020

  • AVA：时空本地化的原子视觉动作视频数据集

    介绍一个新的视频数据集 AVA，其中定义了 80 个原子视觉动作并进行了精确的时空注释，可以帮助改进动作识别。提出了一种基于现有方法的新方法，针对 JHMDB 和 UCF101-24 类别的表现更佳，但在 AVA 上仍需开发新的视频理解方法，表明该数据集暴露了动作识别的内在困难。

    May, 2017

  • 面向任意视角人体动作识别的大规模多视角 RGB-D 动作数据集

    本文介绍了一个新的大规模 RGB-D 数据集，其中包括固定视角和全方位视角下的 40 种行动，以及 VS-CNN 模型的提出和有效性验证，该模型可用于解决任意视角下行动识别的问题。

    Apr, 2019

  • 利用少量航拍训练样例在无人机视频中进行人类动作识别

    本文研究无人机低成本、快速移动的优点，为了解决训练空中人类行为视频数据成本高、费时、难度大的问题，探索使用两个替代数据源，即视频游戏和生成式对抗性网络来提高分类精度，并利用分离多任务学习框架将两个数据集集成，提出了一种用于改善空中行动识别的方法，其结果表明，视频游戏的影像和 GAN 生成的影像是非常有用的，能够在只有少量实际训练样本的情况下显著提高空中行动识别的准确度。

    Oct, 2019

  • TikTokActions: 基于 TikTok 的视频数据集用于人体动作识别

    这篇研究论文介绍了一个有用的 TikTok 视频数据集，可用于公众使用，并揭示了增加预训练数据集大小对基于视频的基础模型的边际效益。

    Feb, 2024

  • 从网络监督视频数据中学习细粒度动作概念的 YouTube 数据集挖掘

    介绍了一个大规模的现实世界数据集，该数据集用于评估人类行为识别的学习技术，进一步提出了在无人干预状态下收集数据和训练的方法，并针对该训练数据出现的语义不一致性问题，提出了一个语义分层结构。

    Jun, 2019

  • HAA500: 基于人的原子动作数据集与策划视频

    本文介绍新的数据集 HAA500，该数据集包含 500 类人类中心的原子动作，用于动作识别，比现有的数据集更具细微粒度和人类动作。

    Sep, 2020

  • 骨架动作识别，未来何去何从？

    本文研究骨架为基础的人体动作识别的当前和未来发展方向，以 Skeletics-152、Skeleton-Mimetics、Metaphorics 和 NTU-120 等数据集作为研究对象，旨在评估现有方法和数据集的优劣，并开辟人体动作识别的新领域。

    Jul, 2020

  • Kinetics-700-2020 人类动作数据集短注

    描述了 DeepMind Kinetics 人类动作数据集的 2020 版本，扩展并更新了 Kinetics-700 数据集，其中包含来自不同 YouTube 视频的至少 700 个视频剪辑，以及介绍了更新的数据集所做的变化和使用 I3D 网络的基线结果的详细统计。

    Oct, 2020