BriefGPT - AI 论文速递
·
早期动作识别与动作原型
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种使用多阶段LSTM网络和上下文感知和动作感知特征的新动作预测方法，引入新的损失函数，能够在视频序列仅有少量片段的情况下实现高准确度的预测。在多个公开数据集上，准确率相对提升了22.0％（JHMDB-21），14.0％（UT-Interaction），和49.9％（UCF-101）。
🎯
关键要点
-
提出了一种新的动作预测方法，基于多阶段LSTM网络。
-
运用上下文感知和动作感知特征。
-
引入了一种新的损失函数。
-
能够在视频序列仅有少量片段的情况下实现高准确度的预测。
-
在多个公开数据集上超过了先前最优的动作预测方法。
-
在JHMDB-21数据集上准确率提升了22.0%。
-
在UT-Interaction数据集上准确率提升了14.0%。
-
在UCF-101数据集上准确率提升了49.9%。
➡️
