时序行为提名的上下文信息融合方法

摘要：

在针对视频的人体活动定位和识别领域中,现有的时序行为提名方法无法很好地解决行为特征长期依赖性而导致提名召回率较低.针对此问题,提出了一种上下文信息融合的时序行为提名方法.该方法首先采用三维卷积网络提取视频单元的时空特征,然后采用双向门控循环网络构建上下文关系预测出时序行为区间.针对门控循环单元(GRU)存在参数较多和梯度消失的问题,通过输入特征控制门结构增强并行计算能力,通过引入加权平均增强历史和当前时刻信息融合能力,提出了一个简化的门控循环单元(S-GRU).最后在数据集Thumos 14上进行实验验证和比较,结果表明基于双向S-GRU循环网络的时序行为提名方法提高了提名召回率.

关键词：门控循环网络(GRU)、梯度消失、上下文信息、时序行为提名、时序行为检测

所属期刊栏目：15

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;教育部-中国移动科研基金项目

在线出版日期：2021-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：486-494