内容
历史
这项工作的第一个版本被 CVPR 2016 接受。
在 arxiv 上上传了扩展工作。 。
此版本建立在先前版本的基础上,包括以下内容:
我们收集了比 CVPR 提交大 3 倍的扩展排球数据集。
我们对实验结果进行了进一步分析,并包括与一组额外的基线方法的比较。
我们实施了我们方法的一种变体,以对人员执行空间池化策略。
提供的数据集是扩展版本。 请使用并与此版本进行比较。
抽象的
在群体活动识别中,可以根据代表活动的个体的动态来推断整个活动的时间动态。 我们基于 LSTM 模型构建了一个深度模型来捕捉这些动态。 为了利用这些观察结果,我们为群体活动识别问题提出了一个两阶段的深度时间模型。 在我们的模型中,LSTM 模型旨在表示序列中个人的动作动态,而另一个 LSTM 模型旨在聚合人级信息以了解整个活动。 我们在两个数据集上评估我们的模型:集体活动数据集和一个新的排球
2021-08-05 16:04:18
31.81MB
C++
1