摘要
本简要技术报告描述了我们提交给2022年SoccerNet行为检测挑战赛的作品。该挑战赛是CVPR 2022 ActivityNet研讨会的一部分。我们的提交基于一种最近提出的方法，该方法通过密集采样的检测锚点来提高时间精度。由于其对时间精度的重视，这种方法在紧平均精确率（tight average-mAP）指标上显示出显著的改进。紧平均精确率被用作本次挑战赛的评估标准，其定义使用较小的时间评估容差，因此对小时间误差更为敏感。为了进一步提升结果，我们在预处理和后处理步骤中引入了一些小的改动，并通过后期融合结合了不同的输入特征类型。这些改动带来了改进，帮助我们在挑战赛中取得了第一名，并且在使用数据集的标准实验协议时，在SoccerNet测试集上也达到了新的最先进水平。本报告简要回顾了基于密集检测锚点的行为检测方法，然后重点介绍了为挑战赛引入的修改。我们还描述了所使用的实验协议和训练程序，并最终展示了我们的结果。