www.久久久久|狼友网站av天堂|精品国产无码a片|一级av色欲av|91在线播放视频|亚洲无码主播在线|国产精品草久在线|明星AV网站在线|污污内射久久一区|婷婷综合视频网站

當(dāng)前位置:首頁(yè) > 智能硬件 > 人工智能AI
[導(dǎo)讀] 視頻的理解與識(shí)別是計(jì)算機(jī)視覺的基礎(chǔ)任務(wù)之一。隨著視頻設(shè)備和網(wǎng)絡(luò)的普通,視頻理解也吸引了越來越多研究者的關(guān)注。而識(shí)別視頻中的動(dòng)作則是其中一個(gè)充滿挑戰(zhàn)而又具有較高實(shí)際應(yīng)用價(jià)值的任務(wù)。相比圖像來說,視

視頻的理解與識(shí)別是計(jì)算機(jī)視覺的基礎(chǔ)任務(wù)之一。隨著視頻設(shè)備和網(wǎng)絡(luò)的普通,視頻理解也吸引了越來越多研究者的關(guān)注。而識(shí)別視頻中的動(dòng)作則是其中一個(gè)充滿挑戰(zhàn)而又具有較高實(shí)際應(yīng)用價(jià)值的任務(wù)。相比圖像來說,視頻內(nèi)容和背景更加復(fù)雜多變,不同的動(dòng)作類別之間具有相似性,而相同的類別在不同環(huán)境下又有著不同的特點(diǎn)。此外,由于拍攝造成的遮擋、抖動(dòng)、視角變化等也為動(dòng)作識(shí)別進(jìn)一步帶來了困難。在實(shí)際應(yīng)用中,精確的動(dòng)作識(shí)別有助于輿情監(jiān)控,廣告投放,以及很多其他視頻理解相關(guān)的任務(wù)。

與圖像識(shí)別相比,視頻分析需要更大量數(shù)據(jù)。早期的數(shù)據(jù)集KTH[1],Weizmann[2]等僅由演員表演固定的幾個(gè)動(dòng)作,如走路,慢跑等。之后,較大規(guī)模的數(shù)據(jù)集如UCF101[3]等由網(wǎng)絡(luò)視頻組成,具體動(dòng)作類別則由志愿者人工標(biāo)注完成。目前,研究者發(fā)布了更大規(guī)模的數(shù)據(jù)集,例如Kinetics[4]包含了上百類動(dòng)作以及幾十萬(wàn)視頻(如圖1所示示例),雖然相比實(shí)際情況仍不夠全面,但也對(duì)動(dòng)作識(shí)別的研究有了極大的幫助。

圖1. KineTIcs數(shù)據(jù)集的示例視頻幀視頻動(dòng)作識(shí)別目前常用的技術(shù)可以大致分為如下幾類:

1. 基于人工特征的視頻動(dòng)作識(shí)別

早期的動(dòng)作識(shí)別主要基于興趣點(diǎn)的檢測(cè)和表示。梯度直方圖[5],時(shí)空興趣點(diǎn)檢測(cè)[6],以及光流直方圖[7]等都用于提取圖像和時(shí)序的特征表示。與圖像相比,視頻蘊(yùn)含了大量的運(yùn)動(dòng)信息,為了更好的利用運(yùn)動(dòng)信息,Heng等人提出了密集軌跡的特征[8],密集的提取和追蹤光流中每個(gè)像素特征,編碼后進(jìn)行分類。然而,當(dāng)面臨大規(guī)模數(shù)據(jù)集時(shí),這些特征缺乏一定的靈活性和可擴(kuò)展性。

2. 基于雙流的神經(jīng)網(wǎng)絡(luò)

近年來,神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別、物體檢測(cè)等計(jì)算機(jī)視覺任務(wù)上取得了幾乎超越人類的成果,研究者在視頻任務(wù)中也越來越多的開始使用神經(jīng)網(wǎng)絡(luò)。然而,直接將用于圖像分類的神經(jīng)網(wǎng)絡(luò)用于視頻分類會(huì)忽略視頻的時(shí)序特征,而時(shí)序特征對(duì)于視頻分類尤為重要。介于此,研究者提出了基于雙流的動(dòng)作識(shí)別方法。Simonyan et al. 提出了一個(gè)融合網(wǎng)絡(luò)[9] ,該論文首次將視頻分成空間和時(shí)間兩個(gè)部分,分別將RGB圖像和光流圖像送入兩支神經(jīng)網(wǎng)絡(luò)并融合最終分類結(jié)果。如圖2所示,利用雙流神經(jīng)網(wǎng)絡(luò),可以同時(shí)得到視頻中人或物體外表和運(yùn)動(dòng)的信息,該方法在當(dāng)時(shí)各個(gè)基準(zhǔn)數(shù)據(jù)集上取得了領(lǐng)先的識(shí)別水平。

之后,又有許多研究針對(duì)雙流網(wǎng)絡(luò)這種框架進(jìn)行了一些改進(jìn),例如Temporal Segment Network則提出了一種可以捕捉較長(zhǎng)時(shí)序的網(wǎng)絡(luò)結(jié)構(gòu)[10]。Xu 提出了基于密集擴(kuò)張網(wǎng)絡(luò)的框架[11],并探討了空間和時(shí)間分支的不同融合方式。

3. 基于三維卷積的神經(jīng)網(wǎng)絡(luò)

除了雙流網(wǎng)絡(luò),還有一些研究者針對(duì)視頻將神經(jīng)網(wǎng)絡(luò)優(yōu)化為三維卷積神經(jīng)網(wǎng)絡(luò),以此來捕捉更多的時(shí)空信息。如圖3所示,Tran等人首次提出了在視頻動(dòng)作識(shí)別中使用三維神經(jīng)網(wǎng)絡(luò)(C3D)代替二維的神經(jīng)網(wǎng)絡(luò)[12]。此后,由于ResNet在圖像識(shí)別任務(wù)中取得的較好效果,Hara等人提出了基于三維網(wǎng)絡(luò)的ResNet[13],Qiu等人也提出了用二維模擬三維神經(jīng)網(wǎng)絡(luò)的偽3D網(wǎng)絡(luò)(P3D)[14]。

最近,deep mind團(tuán)隊(duì)提出了?Inflated 3D ConvNets (I3D)[15],具體方法是利用了2D網(wǎng)絡(luò)權(quán)重展開作為3D網(wǎng)絡(luò)的預(yù)訓(xùn)練權(quán)重,同時(shí)借助大規(guī)模的KineTIcs數(shù)據(jù)集進(jìn)行預(yù)訓(xùn)練,在基準(zhǔn)數(shù)據(jù)集上效果得到明顯提升。

4. 其他

此外,仍有很多研究者在探索其他更有效的視頻動(dòng)作識(shí)別方法,如基于長(zhǎng)短記憶網(wǎng)絡(luò)(LSTM)的識(shí)別框架[16],基于對(duì)抗神經(jīng)網(wǎng)絡(luò)(GAN)[17]的框架等。

雖然目前動(dòng)作識(shí)別已經(jīng)取得了快速的發(fā)展,但距離人類識(shí)別水平仍有很大的差距,在實(shí)際應(yīng)用中也面臨著各種各種復(fù)雜的問題。我們期待著今后的研究中能夠出現(xiàn)更具有可擴(kuò)展性,魯棒性的算法和框架。

本站聲明: 本文章由作者或相關(guān)機(jī)構(gòu)授權(quán)發(fā)布,目的在于傳遞更多信息,并不代表本站贊同其觀點(diǎn),本站亦不保證或承諾內(nèi)容真實(shí)性等。需要轉(zhuǎn)載請(qǐng)聯(lián)系該專欄作者,如若文章內(nèi)容侵犯您的權(quán)益,請(qǐng)及時(shí)聯(lián)系本站刪除。
換一批
延伸閱讀

9月2日消息,不造車的華為或?qū)⒋呱龈蟮莫?dú)角獸公司,隨著阿維塔和賽力斯的入局,華為引望愈發(fā)顯得引人矚目。

關(guān)鍵字: 阿維塔 塞力斯 華為

倫敦2024年8月29日 /美通社/ -- 英國(guó)汽車技術(shù)公司SODA.Auto推出其旗艦產(chǎn)品SODA V,這是全球首款涵蓋汽車工程師從創(chuàng)意到認(rèn)證的所有需求的工具,可用于創(chuàng)建軟件定義汽車。 SODA V工具的開發(fā)耗時(shí)1.5...

關(guān)鍵字: 汽車 人工智能 智能驅(qū)動(dòng) BSP

北京2024年8月28日 /美通社/ -- 越來越多用戶希望企業(yè)業(yè)務(wù)能7×24不間斷運(yùn)行,同時(shí)企業(yè)卻面臨越來越多業(yè)務(wù)中斷的風(fēng)險(xiǎn),如企業(yè)系統(tǒng)復(fù)雜性的增加,頻繁的功能更新和發(fā)布等。如何確保業(yè)務(wù)連續(xù)性,提升韌性,成...

關(guān)鍵字: 亞馬遜 解密 控制平面 BSP

8月30日消息,據(jù)媒體報(bào)道,騰訊和網(wǎng)易近期正在縮減他們對(duì)日本游戲市場(chǎng)的投資。

關(guān)鍵字: 騰訊 編碼器 CPU

8月28日消息,今天上午,2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)開幕式在貴陽(yáng)舉行,華為董事、質(zhì)量流程IT總裁陶景文發(fā)表了演講。

關(guān)鍵字: 華為 12nm EDA 半導(dǎo)體

8月28日消息,在2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)上,華為常務(wù)董事、華為云CEO張平安發(fā)表演講稱,數(shù)字世界的話語(yǔ)權(quán)最終是由生態(tài)的繁榮決定的。

關(guān)鍵字: 華為 12nm 手機(jī) 衛(wèi)星通信

要點(diǎn): 有效應(yīng)對(duì)環(huán)境變化,經(jīng)營(yíng)業(yè)績(jī)穩(wěn)中有升 落實(shí)提質(zhì)增效舉措,毛利潤(rùn)率延續(xù)升勢(shì) 戰(zhàn)略布局成效顯著,戰(zhàn)新業(yè)務(wù)引領(lǐng)增長(zhǎng) 以科技創(chuàng)新為引領(lǐng),提升企業(yè)核心競(jìng)爭(zhēng)力 堅(jiān)持高質(zhì)量發(fā)展策略,塑強(qiáng)核心競(jìng)爭(zhēng)優(yōu)勢(shì)...

關(guān)鍵字: 通信 BSP 電信運(yùn)營(yíng)商 數(shù)字經(jīng)濟(jì)

北京2024年8月27日 /美通社/ -- 8月21日,由中央廣播電視總臺(tái)與中國(guó)電影電視技術(shù)學(xué)會(huì)聯(lián)合牽頭組建的NVI技術(shù)創(chuàng)新聯(lián)盟在BIRTV2024超高清全產(chǎn)業(yè)鏈發(fā)展研討會(huì)上宣布正式成立。 活動(dòng)現(xiàn)場(chǎng) NVI技術(shù)創(chuàng)新聯(lián)...

關(guān)鍵字: VI 傳輸協(xié)議 音頻 BSP

北京2024年8月27日 /美通社/ -- 在8月23日舉辦的2024年長(zhǎng)三角生態(tài)綠色一體化發(fā)展示范區(qū)聯(lián)合招商會(huì)上,軟通動(dòng)力信息技術(shù)(集團(tuán))股份有限公司(以下簡(jiǎn)稱"軟通動(dòng)力")與長(zhǎng)三角投資(上海)有限...

關(guān)鍵字: BSP 信息技術(shù)
關(guān)閉
關(guān)閉