HyperAIHyperAI

Command Palette

Search for a command to run...

اكتشاف الأحداث الزمنية باستخدام شبكات المقاطع المهيكلة

Yue Zhao Yuanjun Xiong Limin Wang Zhirong Wu Xiaoou Tang Dahua Lin

الملخص

اكتشاف الأنشطة في مقاطع الفيديو غير المقصوصة هو مهمة مهمة ومعقدة. في هذا البحث، نقدم شبكة المقاطع المنظمة (SSN)، وهي إطار جديد يُمثّل البنية الزمنية لكل مثال للنشاط من خلال هرم زمني منظم. فوق هذا الهرم، قدمنا أيضًا نموذج تمييز مفكك يتكون من تصنيفين، أحدهما لتصنيف الأنشطة والآخر لتحديد الاكتمال. هذا يسمح للإطار بتمييز الاقتراحات الإيجابية بشكل فعال عن الخلفية أو الاقتراحات غير الكاملة، مما يؤدي إلى التعرف الدقيق والتوضع. يتم دمج هذه المكونات في شبكة موحدة يمكن تدريبها بكفاءة بطريقة شاملة من النهاية إلى النهاية. بالإضافة إلى ذلك، تم تصميم مخطط بسيط ولكنه فعال لاقتراح الأنشطة الزمنية، يُطلق عليه تجميع الأنشطة الزمنية (TAG) لتوليد اقتراحات أنشطة عالية الجودة. على مقعدين تحدي صعبين، THUMOS14 وActivityNet، أثبتت طريقة عملنا تفوقها بشكل كبير على الأساليب السابقة الأكثر تقدمًا، مما يدل على دقة أعلى وقدرة قوية على التكيف في التعامل مع الأنشطة ذات الهياكل الزمنية المختلفة.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp