Sélection adaptative des trames dans la reconnaissance d’actions par réseaux de neurones convolutionnels bidimensionnels

Nous avons présenté dans cette recherche une technique de sélection dynamique des trames afin d'obtenir des caractéristiques robustes. Cette approche réduit ainsi la redondance et fournit une entrée plus pertinente au réseau. Étant donné qu'elle utilise moins de ressources de traitement tout en offrant une précision adéquate, la méthode proposée est particulièrement adaptée aux applications en temps réel. Le réseau devient ainsi plus efficace tout en maintenant une précision satisfaisante lorsque les trames les plus informatives sont sélectionnées et que le calcul est minimisé. Le cadre a été évalué sur le jeu de données UCF101, l'un des plus grands ensembles de données réalistes. Les expériences montrent des résultats acceptables lors de l'utilisation des caractéristiques pré-entraînées de ResNet-50 et de MobileNet.