哪有什么岁月静好，不过是有人替你负重前行！

04 2022 档案

Action Graphs: Weakly-supervised Action Localization with Graph Convolution Networks总结
摘要：1.针对的问题 在弱监督动作定位领域，这篇论文之前的方法没有明确利用视频片段之间的相似性来进行定位和分类预测，但是作者认为，在没有帧级标注的情况下，弱监督系统必须依赖视频时序段之间的相似性提示。具体来说，必须（1）利用不同动作类别的前景片段之间的差异来正确分类视频；（2） 使用相同动作的前景片段之间 阅读全文
posted @ 2022-04-25 15:54 Lhiker 阅读(102) 评论(0) 推荐(0)
图神经网络总结
摘要：看了李沐老师在B站讲的零基础多图详解图神经网络（视频），博客地址，这里稍微总结一下。图神经网络部分有点复杂，建议感兴趣的同学看一下视频或者博客 1.什么是图 图是表示一些实体之间的一些关系，实体为顶点，关系为边，图上面可以有三种问题：1.图的分类，如分出包括两个环的图。2.顶点分类，如在一张关系图中 阅读全文
posted @ 2022-04-24 13:17 Lhiker 阅读(173) 评论(0) 推荐(0)
Weakly Supervised Action Localization by Sparse Temporal Pooling Network总结
摘要：0.前言 相关资料： arxiv code 论文翻译（翻译1，翻译2） 论文基本信息： 领域：弱监督时序动作定位 发表时间：CVPR2018（2018.4.3） 1.针对的问题 这篇论文前的许多视频理解技术都依赖于修剪过的视频作为输入，然而，现实世界中的大多数视频都是未修剪的，包含大量与目标动作无关 阅读全文
posted @ 2022-04-20 10:15 Lhiker 阅读(99) 评论(0) 推荐(0)
Action Shuffling for Weakly Supervised Temporal Localization概述
摘要：1.针对的问题 目前的弱监督动作定位方法表现出两个显著的趋势： （1） 动作背景建模。通过分别学习视频级别的动作和视频的背景表示，可以提高动作定位性能，然而，视频级建模只能捕获粗粒度的描述。对动作的内在特征进行深入分析的研究较少。 （2） 探索外部资源。为了弥补弱监督带来的有限信息，借助外部资源已成 阅读全文
posted @ 2022-04-13 20:22 Lhiker 阅读(91) 评论(0) 推荐(0)
Background-Click Supervision for Temporal Action Localization概述
摘要：1.针对的问题 之前的SF-Net虽然也使用了单帧监督进行动作定位，但是标注的单帧是动作帧，作者通过研究发现，SF-Net中的大部分定位错误来自背景帧，同时，已有的方法已经能够较为准确地找出动作帧，所以作者认为标注背景帧可能是更好的选项。 2.主要贡献 •提出对时序动作定位任务进行背景点击监督。与现 阅读全文
posted @ 2022-04-11 15:40 Lhiker 阅读(110) 评论(0) 推荐(0)
SF-Net：Single-Frame Supervision for Temporal Action Localization流程概述
摘要：1.针对的问题 在动作定位领域，全监督标注困难，成本较高，而弱监督性能较差，特别是难度比较大的数据集上几乎失效，在之前已经有人在动作识别领域使用了单帧监督，作者进行了拓展，利用单帧监督进行动作定位。 2.主要贡献 （1） 第一次使用单帧监督来解决动作时间边界定位问题。与完全监督标注相比，单帧标注显著 阅读全文
posted @ 2022-04-09 16:46 Lhiker 阅读(166) 评论(0) 推荐(0)
遇到的问题
摘要：1.ImportError: /usr/lib/x86_64-linux-gnu/libstdc++.so.6: version `GLIBCXX_3.4.22' not found 具体问题如下： 这个问题网上有解决的教程，见CSDN，不过由于我是在服务器上运行，除了我自己的文件外都没有操作权限， 阅读全文
posted @ 2022-04-08 14:00 Lhiker 阅读(991) 评论(0) 推荐(0)