亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Multi‐scale feature learning and temporal probing strategy for one‐stage temporal action localization

计算机科学 人工智能 模式识别(心理学) 水准点(测量) 联营 特征(语言学) 卷积神经网络 运动(物理) 弹道 计算机视觉 深度学习 分割 特征学习 物理 哲学 天文 语言学 地理 大地测量学
作者
Leiyue Yao,Wenzhu Yang,Wei Huang,Nan Jiang,Bo Zhou
出处
期刊:International Journal of Intelligent Systems [Wiley]
卷期号:37 (7): 4092-4112 被引量:4
标识
DOI:10.1002/int.22713
摘要

The aim of temporal action localization (TAL) is to determine the start and end frames of an action in a video. In recent years, TAL has attracted considerable attention because of its increasing applications in video understanding and retrieval. However, precisely estimating the duration of an action in the temporal dimension is still a challenging problem. In this paper, we propose an effective one-stage TAL method based on a self-defined motion data structure, called a dense joint motion matrix (DJMM), and a novel temporal detection strategy. Our method provides three main contributions. First, compared with mainstream motion images, DJMMs can preserve more pre-processed motion features and provides more precise detail representations. Furthermore, DJMMs perfectly solve the temporal information loss problem caused by motion trajectory overlaps within a certain time period. Second, a spatial pyramid pooling (SPP) layer, which is widely used in the object detection and tracking fields, is innovatively incorporated into the proposed method for multi-scale feature learning. Moreover, the SPP layer enables the backbone convolutional neural network (CNN) to receive DJMMs of any size in the temporal dimension. Third, a large-scale-first temporal detection strategy inspired by a well-developed Chinese text segmentation algorithm is proposed to address long-duration videos. Our method is evaluated on two benchmark data sets and one self-collected data set: Florence-3D, UTKinect-Action3D and HanYue-3D. The experimental results show that our method achieves competitive action recognition accuracy and high TAL precision, and its time efficiency and few-shot learning capabilities enable it to be utilized for real-time surveillance.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
JaydeH发布了新的文献求助30
1秒前
三花花花完成签到,获得积分10
7秒前
莱芙完成签到 ,获得积分10
8秒前
obito完成签到,获得积分10
13秒前
JaydeH完成签到,获得积分10
19秒前
打打应助GJG采纳,获得10
25秒前
44秒前
50秒前
GJG完成签到,获得积分10
54秒前
GJG发布了新的文献求助10
57秒前
1分钟前
喜喜发布了新的文献求助10
1分钟前
市井小民完成签到,获得积分10
1分钟前
1分钟前
laihuimin完成签到,获得积分10
1分钟前
2分钟前
风中的安青完成签到 ,获得积分10
2分钟前
2分钟前
sue完成签到 ,获得积分10
3分钟前
香蕉觅云应助nZk采纳,获得10
3分钟前
3分钟前
4分钟前
immortal完成签到,获得积分10
4分钟前
immortal发布了新的文献求助10
4分钟前
4分钟前
4分钟前
Joeswith完成签到,获得积分10
4分钟前
kanwenxian发布了新的文献求助10
4分钟前
Jasper应助一路向北采纳,获得10
4分钟前
5分钟前
一路向北完成签到,获得积分10
5分钟前
一路向北发布了新的文献求助10
5分钟前
5分钟前
nZk发布了新的文献求助10
5分钟前
nZk完成签到,获得积分10
5分钟前
5分钟前
共享精神应助有人采纳,获得10
5分钟前
5分钟前
迅速的蜡烛完成签到 ,获得积分10
5分钟前
科研通AI2S应助成就的幼南采纳,获得10
5分钟前
高分求助中
Sustainability in Tides Chemistry 1500
Handbook of the Mammals of the World – Volume 3: Primates 805
拟南芥模式识别受体参与调控抗病蛋白介导的ETI免疫反应的机制研究 550
Gerard de Lairesse : an artist between stage and studio 500
Digging and Dealing in Eighteenth-Century Rome 500
Queer Politics in Times of New Authoritarianisms: Popular Culture in South Asia 500
Manual of Sewer Condition Classification 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3068088
求助须知:如何正确求助?哪些是违规求助? 2722059
关于积分的说明 7476020
捐赠科研通 2369097
什么是DOI,文献DOI怎么找? 1256150
科研通“疑难数据库(出版商)”最低求助积分说明 609490
版权声明 596815