Jul, 2018
分析人际互动:一项调查
Analyzing Human-Human Interactions: A Survey
Alexandros Stergiou, Ronald Poppe
TL;DR本文综述了在视频中自动识别人际互动的主要挑战,研究现状,以及基于深度学习和卷积神经网络方面的最新、有前途的工作,最终概述了克服目前技术限制以分析和理解社会人类行为的方向。
Abstract
Many videos depict people, and it is their interactions that inform us of
their activities, relation to one another and the cultural and social setting.
With advances in human action recognition, researchers have begun to address
the automated recognition of these →
human-human interactionsaction recognitiondeep learningconvolutional neural networkssocial human actions
发现论文,激发创造
视频数据中人类行为识别的深度学习方法
通过对深度学习模型的全面分析,这项研究揭示了卷积神经网络、循环神经网络和两流卷积神经网络在人体动作识别中的优势和性能差异,并强调了综合模型在实现强大的人体动作识别方面的潜力和优化的研究方向。
Mar, 2024
人际交互检测
该论文介绍了一种名为 HID 的新任务,旨在通过在同一模型中检测主体、识别人 - 人互动,并根据他们的互动关系对人进行分组,以此全面了解视频流中感兴趣的人 - 人互动,还在 AVA 数据集基础上建立了一个新的 HID 基准,称为 AVA-Interaction (AVA-I),并描述了一个新的基线方法 SaMFormer,该方法表现出在 AVA-I 上的优越性。
Jul, 2023
使用深度学习方法和单帧 CNN 及卷积 LSTM 进行人类活动识别
本文探讨了基于深度学习的两种方法 —— 单帧卷积神经网络和卷积长短时记忆,以实现从视频中识别人类行为,同时在 UCF50 数据集和实验数据集上对两个模型进行了评估,结果表明单帧 CNN 模型的准确性优于卷积 LSTM 模型。
Apr, 2023
检测和识别人 - 物交互
这篇研究提出了一个新的机器学习模型,利用人类的行为、动作、动作具体区域等特征来预测目标对象的位置, 实现在图像中精确识别人体与目标物之间的互动关系,为实现目标识别和视觉感知提供了新的思路。
Apr, 2017
三流网络用于增强动作识别
该论文提出了两种基于 CNN 的体系结构,包括三种流,可以分别捕捉不同速率的空间和时间信息,并使用双向 LSTM 和注意力机制进一步提高模型性能,实现了人类动作识别任务的最先进表现。
Apr, 2021