基于边界敏感网络的时序行为候选生成算法

摘要：

针对视频序列中人体行为检测的问题,提出一种基于边界敏感网络的时序行为候选生成算法,在原有边界敏感网络的基础上通过对时序评估模块和候选评估模块引入更深层的卷积神经网络,进而对视频特征有更好的表达.同时在后处理阶段,在NMS(non-maximum suppression)算法中引入新的置信度分数高斯加权衰减方法.实验结果表明,该算法可以有效提高行为检测问题中时序行为候选生成任务的召回率.在公开数据集ActivityNet上,提出的方法在保证生成相同数量候选的同时有更高的平均召回率.

关键词：人体行为检测时序行为、候选深度学习、卷积神经网络

所属期刊栏目：19

分类号：TP183(自动化基础理论)

资助基金：国家重点研发计划2017YFF0107800

在线出版日期：2019-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：260-264