扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

今年内连发5篇SCI,哈尔滨工业大学姚鸿勋又添新作!

论论资讯 | 2023-04-20 1热度

Neurocomputing

Explore content

About the journal

Publish with us

MIFNet: Multiple instances focused temporal action proposal generation

Wang L.; Yao H.; Yang H.; Wang S.; jin S.

Published:2023-06-14
DOI:10.1016/j.neucom.2023.01.045

研究背景

随着视频技术的发展,视频分析在现代社会中扮演着越来越重要的角色。然而,现有的方法在实际应用中的表现仍然不够理想。这是因为在处理多个实例的视频时,现有方法往往会将多个实例识别为一个实例,这是一个非常关键的问题。因此,如何解决这个问题成为了当前研究领域的一个重要问题。

研究内容

为了解决上述问题,本文提出了一种名为MIFNet的多实例聚焦时间动作提案生成方法。该方法通过考虑边界相关性和融合多尺度提案来提高动作提案的质量。具体来说,本文首先提出了一个名为边界约束模块(BCM)的纯边界嵌入模块,通过评估边界相关性来抑制难以识别的负面提案的生成。BCM引入了一种边界对比学习策略,可以将正面边界对的表示拉近,将负面边界对的表示推远。然后,本文提出了一个名为提案融合模块(PBM)的模块,通过对多尺度提案之间的信息进行建模,来增强提案级别的表示,从而使提案可以在局部细节和全局信息之间互补。实验结果表明,MIFNet在ActivityNet-v1.3和THUMOS14基准上的表现优于现有的方法。

研究意义

本文提出了一种新的多实例聚焦时间动作提案生成方法,该方法通过考虑边界相关性和融合多尺度提案来提高动作提案的质量。该方法在实验中取得了优异的表现,为视频分析领域的发展提供了新的思路和方法。同时,该方法还可以应用于其他领域,如行为识别和视频检索等。

微信扫码即可查看