《表2 在Activity Net v1.3数据集上的时序动作检测性能对比》
注:加粗字体表示最优结果。
将本文方法与SCC(semantic cascade context)(Heilbron等,2017)、CDC(convolutional de-convolutional network)(Shou等,2017)、SSN(Zhao等,2017)和BSN(Lin等,2018)等方法在ActivityNet v1.3数据集上进行时序动作检测性能对比实验,结果如表2所示。表中阈值表示提取的候选与真实动作边界的重叠度,即阈值为0.5时,只有与真实动作区间的交集和并集之比大于1/2的候选区域才能被判定为正样本;而在阈值为0.95时,只有重叠率大于0.95的候选区域才能被判定为正样本。阈值越高,筛选条件越严格。
图表编号 | XD00179365200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.16 |
作者 | 熊成鑫、郭丹、刘学亮 |
绘制单位 | 合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |