【时序动作分割】Boundary-Aware Cascade Networks for Temporal Action 一种基于边界感知级联的时序动作分割网络

【论文标题】Boundary-Aware Cascade Networks for Temporal Action 【时序动作分割】一种基于边界感知级联的时序动作分割网络 【作者团队】Zhenzhi Wang, Ziteng Gao, Limin Wang, Zhifeng Li和Gangshan Wu 【发表时间】2020/9/10 【论文链接】https://www.ecva.net/papers/eccv2020/papersECCV/papers/123700035.pdf 【论文代码】https://github.com/MCG-NJU/BCN 【论文代码】级联的边界感知网络，用于解决时序动作分割中边界语义模糊与分割结果细碎问题 本文收录于ECCV-2020，由南京大学与腾讯 AI Lab联合完成，研究人员提出了一种可用于时序动作分割的边界感知级联网络。当前，在含有很多动作实例的未修剪原始视频中识别出人类动作片段，仍然极具挑战性，主要原因是动作边界的语义模糊以及分割结果过于细碎这两个问题。基于这些考虑，研究人员提出了一个全新的动作边界感知的级联神经网络，名为BCN（Boundary-Aware Cascade Networks），它包含了两个新颖的模块： （1）阶段级联（Stage Cascade），这种新的级联模式赋予了模型自适应的感受野和对语义模糊的视频帧更优异的预测能力； （2）局部屏障池化（Local Barrier Pooling），这种通用的平滑操作是通过利用语义边界信息来更好的收集局部领域内的预测结果，从而实现预测的平滑。此外，模型的两个部分可以端到端地联合调优。

内容中包含的图片若涉及版权问题，请及时与我们联系删除