HyperAIHyperAI

Command Palette

Search for a command to run...

إعادة النظر في هندسة Faster R-CNN لتحديد موقع الأنشطة الزمنية

Yu-Wei Chao; Sudheendra Vijayanarasimhan; Bryan Seybold; David A. Ross; Jia Deng; Rahul Sukthankar

الملخص

نقترح شبكة TAL-Net، وهي طريقة محسنة لتحديد موقع الأنشطة الزمنية في الفيديو مستوحاة من إطار الكشف عن الأشياء Faster R-CNN. تحل شبكة TAL-Net ثلاث مشكلات رئيسية في الأساليب الحالية: (1) نحسن مواءمة المجال الاستقبالي باستخدام بنية متعددة المقاييس يمكنها التعامل مع التباين الشديد في مدّة الأنشطة؛ (2) نستغل السياق الزمني للأعمال بشكل أفضل لكل من إنشاء الاقتراحات وتصنيف الأنشطة من خلال توسيع المجالات الاستقبالية بشكل مناسب؛ و(3) نعتبر صراحة دمج الميزات متعددة التدفقات ونبين أن دمج الحركة في وقت متأخر هو أمر مهم. نحقق أداءً رائدًا في كل من اقتراح الأنشطة وتخصيصها على مقاييس كشف THUMOS'14 وكفاءة تنافسية على تحدي ActivityNet.


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