半监督主动学习视频行为检测
原文中文，约300字，阅读约需1分钟。发表于：。本文主要研究标签高效学习、视频动作检测、半监督主动学习、信息样本选择和时空定位等主题。提出了一个半监督主动学习方法，利用标记和未标记数据以及信息样本选择来进行动作检测。通过提出的噪声增强和基于高通滤波的关注机制（fft-attention）等技术，提高了半监督学习在视频动作检测中的准确性和泛化能力。通过在 UCF-101-24、JHMDB-21 和 Youtube-VOS...
该研究提出了一种利用半监督学习方法改进视频行为检测的方法，并通过结合已标注和未标注数据，使用分类一致性和时空一致性约束，提出了两个新的正则化约束条件，以处理视频中的背景和固定区域。实验证明，该方法在UCF101-24数据集上比最近的完全监督式方法提高了8.9％和11％，并在Youtube-VOS上的视频对象分割上表现出了很好的泛化能力。
