摘要
行动性（Actionness）被引入以量化特定位置包含一般动作实例的可能性。准确且高效地估计行动性在视频分析中具有重要意义，并可能对其他相关任务如动作识别和动作检测带来益处。本文提出了一种新的深度架构用于行动性估计，称为混合全卷积网络（Hybrid Fully Convolutional Network, H-FCN），该网络由外观全卷积网络（Appearance Fully Convolutional Network, A-FCN）和运动全卷积网络（Motion Fully Convolutional Network, M-FCN）组成。这两个全卷积网络分别从静态外观和动态运动的角度利用深度模型的强大能力来估计行动性图。此外，H-FCN的全卷积特性使其能够高效处理任意大小的视频。实验在具有挑战性的Stanford40、UCF Sports和JHMDB数据集上进行，验证了H-FCN在行动性估计方面的有效性，结果表明我们的方法相比以往的方法取得了更优的性能。此外，我们将估计出的行动性图应用于动作提议生成和动作检测任务中，这些任务的当前最先进性能得到了显著提升。