Oct, 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

PDF
TL;DR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。
dronesaerial action recognitionvideo gamesgenerative adversarial networksmultitask learning
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

  • 通过程序生成视频以训练深度动作识别网络

    通过建立一个可解释的参数生成数码，我们使用程序生成和其他现代游戏引擎的计算机图形技术生成了一组逼真、多样化和符合物理规律的人类动作视频，含 39,982 个视频。利用 UCF101 和 HMDB51 数据集的实验表明，我们的方法可以通过结合使用大量合成视频和小型真实数据集，大幅提高识别性能，明显优于现有的无监督生成模型的微调。

    Dec, 2016

  • DiscrimNet：利用生成对抗网络进行视频半监督行为识别

    本论文提出一种基于生成对抗网络的动作识别框架，使用大规模视频活动数据集上的深度卷积生成对抗网络（DCGAN）进行无监督学习，然后通过有标签数据集对已训练的鉴别器进行微调，实现准确识别人类活动的半监督学习。其中本文找到了好的网络架构和超参数以最大化鉴别器的效果。这种只使用外观信息的半监督学习方法达到了目前半监督动作识别方法，如 UCF101 和 HMDB51 等，的优劣表现。

    Jan, 2018

  • 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

  • 通过将 3D 游戏引擎和概率图模型相结合生成人类动作视频

    本文提出了一种基于过程生成、物理模型和现代游戏引擎组件的人体运动视频生成方法，它可以生成一个包含 39,982 个视频的数据集，其中包括 35 个不同的动作类别。通过结合小的真实数据集，我们的方法可以显著提高视频行为识别性能，即使这些数据集的动作类别不同。

    Oct, 2019

  • 动作识别：从静态数据集到移动机器人

    通过利用 “提议（proposals）” 方法生成行为区域的模型训练，能够在无约束视频中实现人的行为识别，无论是否存在摄像头运动；该方法在两个新的数据集中取得了超越最先进技术的性能，同时在异常行为检测场景中取得较高的成功率。

    Jan, 2017

  • 视频人体动作识别中的深度神经网络：综述

    本篇论文研究了基于视频的人体行为识别任务，通过比较现有的深度学习框架（尤其是视频动作识别的表现）和机器学习框架，提出了多项新颖的研究方案。

    May, 2023

  • 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

  • 少做更多：利用网络行动图像训练 CNNs 进行动作识别

    通过利用网络上的动作图像来训练 CNN 模型，可以在视频动作识别方面获得显著的性能提升。

    Dec, 2015

  • 用于 3D 视频中动作识别的双流 RNN/CNN

    本论文提出了一种通过将循环神经网络和卷积神经网络相结合运用于动作识别的算法，通过 SVM 对特征进行分类，实验结果表明，在标准数据集上，该算法提高了 14% 的识别率。

    Mar, 2017