《表2 结合动作分类器后的分类实验结果》
衡量生成的时序动作提名质量的另一个方面是,结合现有的动作分类器,来评估在动作分类任务上的性能,这里用到的评价指标是mAP。表2展示了在THUMOS-14数据集上,不同时序动作提名生成方法结合相同的动作分类器UNet[9]后,在不同IoU的阈值下动作分类的实验结果。从表2可以看出,本文提出的边界意识匹配网络,在结合现有的动作分类器UNet后,在动作分类任务上的性能超过其他几种方法。随着IoU阈值的减小,mAP的值越高,在IoU=0.3时,mAP达到56.3%。
图表编号 | XD00157235500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.25 |
作者 | 周凯烨 |
绘制单位 | 上海大学 |
更多格式 | 高清、无水印(增值服务) |