Multi-stage boundary reference network for action segmentation

MAO Lin; CAO Zhe; YANG Dawei; ZHANG Rubo

doi:10.37188/OPE.20223003.0340

您当前的位置：

首页 >

文章列表页 >

Multi-stage boundary reference network for action segmentation

Information Sciences | 更新时间：2026-09-12

- Multi-stage boundary reference network for action segmentation
- Optics and Precision Engineering Vol. 30, Issue 3, Pages: 340-349(2022)
- 作者机构：
  
  大连民族大学机电工程学院，辽宁大连 116600
- 作者简介：
- 基金信息：
- DOI：10.37188/OPE.20223003.0340
  CLC： TP391.4
- Received：20 April 2021，
  
  Revised：2021-07-16，
  
  Published：15 February 2022
- 稿件说明：
移动端阅览
毛琳,曹哲,杨大伟等.多阶段边界参考网络的动作分割[J].光学精密工程,2022,30(03):340-349.

MAO Lin,CAO Zhe,YANG Dawei,et al.Multi-stage boundary reference network for action segmentation[J].Optics and Precision Engineering,2022,30(03):340-349.
毛琳,曹哲,杨大伟等.多阶段边界参考网络的动作分割[J].光学精密工程,2022,30(03):340-349. DOI： 10.37188/OPE.20223003.0340.

MAO Lin,CAO Zhe,YANG Dawei,et al.Multi-stage boundary reference network for action segmentation[J].Optics and Precision Engineering,2022,30(03):340-349. DOI： 10.37188/OPE.20223003.0340.

摘要

针对现有动作分割算法中过分割问题导致预测错误、造成分割质量下降的现象，提出一种可调视频动作边界信息作为参考的多阶段参考网络，在基于多阶段时间卷积网络的主干网络中，为每个阶段独立引入视频动作边界信息作为参考。各阶段使用相同的边界信息会使模型固化，为使主干网络能够调整参与各阶段输出计算的边界值，对不同样本区分处理，提出多层并行卷积组成的权重调节单元。多阶段参考网络由于利用可调边界信息作为参考，按照时序平滑处理各阶段输出，能显著减少过分割错误。实验表明，该方法在三个视频动作分割数据集GTEA，50Salads和Breakfast中的性能优于现存同类方法，与BCN（Boundary-Aware Cascade Networks）算法相比，分割编辑分数平均提升1.7%，准确率与召回率的调和分数平均提升1.5%。

Abstract

Over-segmentation leads to incorrect predictions and reduces segmentation quality in existing action segmentation algorithms. To address this， the reference from video action boundary information was independently introduced for each stage in the backbone， which was based on a multi-stage temporal convolutional network. To avoid the model solidification caused by the application of the same boundary information at all stages， a weight adjusting block composed of multilayer parallel convolution was proposed to adjust the boundary values involved in the output calculation of each stage and process various samples differently. The reference from the adjustable boundary information was used to smoothen the output of each stage according to the time sequence， significantly reducing the over-segmentation error. Experimental results show that the proposed method outperforms existing methods in the three video action segmentation datasets GTEA， 50Salads and Breakfast. Compared with the boundary-aware cascade networks（BCN） algorithm， the segmentation edit score is increased by 1.7% on average， and the reconciliation score between accuracy and recall rate is increased by 1.5% on average.

关键词

Keywords

references

张红颖，安征 . 基于改进双流时空网络的人体行为识别［J］. 光学精密工程， 2021 ， 29 （ 2 ）： 420 - 429 . doi: 10.37188/OPE.20212902.0420 http://dx.doi.org/10.37188/OPE.20212902.0420

ZHANG H Y ， AN ZH . Human action recognition based on improved two-stream spatiotemporal network ［J］. Opt. Precision Eng. ， 2021 ， 29 （ 2 ）： 420 - 429 . （in Chinese） . doi: 10.37188/OPE.20212902.0420 http://dx.doi.org/10.37188/OPE.20212902.0420

马世伟，刘丽娜，傅琪，等 . 采用PHOG融合特征和多类别Adaboost分类器的行为识别［J］. 光学精密工程， 2018 ， 26 （ 11 ）： 2827 - 2837 . doi: 10.3788/ope.20182611.2827 http://dx.doi.org/10.3788/ope.20182611.2827

MA SH W ， LIU L N ， FU Q ， et al . Using PHOG fusion features and multi-class Adaboost classifier for human behavior recognition ［J］. Opt. Precision Eng. ， 2018 ， 26 （ 11 ）： 2827 - 2837 . （in Chinese） . doi: 10.3788/ope.20182611.2827 http://dx.doi.org/10.3788/ope.20182611.2827

OORD AVAN DEN ， DIELEMAN S ， ZEN H G ， et al . WaveNet： a generative model for raw audio ［J］. CoRR ， arXiv preprint arXiv： 1609.03499 ， 2016 .

LEA C ， FLYNN M D ， VIDAL R ， et al . Temporal convolutional networks for action segmentation and detection ［C］. 2017 IEEE Conference on Computer Vision and Pattern Recognition . 2126，2017 ， Honolulu， HI， USA . IEEE ， 2017 ： 1003 - 1012 . doi: 10.1109/cvpr.2017.113 http://dx.doi.org/10.1109/cvpr.2017.113

KUEHNE H ， RICHARD A ， GALL J . A hybrid RNN-HMM approach for weakly supervised temporal action segmentation ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2018 ， 42 （ 4 ）： 765 - 779 . doi: 10.1109/cvpr.2018.00627 http://dx.doi.org/10.1109/cvpr.2018.00627

李庆辉，李艾华，郑勇，等 . 利用几何特征和时序注意递归网络的动作识别［J］. 光学精密工程， 2018 ， 26 （ 10 ）： 2584 - 2591 . doi: 10.3788/ope.20182610.2584 http://dx.doi.org/10.3788/ope.20182610.2584

LI Q H ， LI A H ， ZHENG Y ， et al . Action recognition using geometric features and recurrent temporal attention network ［J］. Opt. Precision Eng. ， 2018 ， 26 （ 10 ）： 2584 - 2591 . （in Chinese） . doi: 10.3788/ope.20182610.2584 http://dx.doi.org/10.3788/ope.20182610.2584

SINGH B ， MARKS T K ， JONES M ， et al . A multi- stream Bi-directional recurrent neural network for fine-grained action detection ［C］. 2016 IEEE Conference on Computer Vision and Pattern Recognition . 2730，2016 ， Las Vegas， NV， USA . IEEE ， 2016 ： 1961 - 1970 . doi: 10.1109/cvpr.2016.216 http://dx.doi.org/10.1109/cvpr.2016.216

FARHA Y A ， GALL J . MS-TCN： multi-stage temporal convolutional network for action segmentation ［C］. 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. 1520，2019 ， Long Beach， CA， USA. IEEE ， 2019 ： 3570 - 3579 . doi: 10.1109/cvpr.2019.00369 http://dx.doi.org/10.1109/cvpr.2019.00369

LI S J ， ABUFARHA Y ， LIU Y ， et al . MS-TCN： multi-stage temporal convolutional network for action segmentation ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 1756 ， 99 ： 1 .

WANG Z Z ， GAO Z T ， WANG L M ， et al . Boundary-aware cascade networks for temporal action segmentation ［J］. Computer Vision-ECCV ， 2020 ， 2020 ： 34 - 51 . doi: 10.1007/978-3-030-58595-2_3 http://dx.doi.org/10.1007/978-3-030-58595-2_3

LIN T W ， ZHAO X ， SU H S ， et al . BSN： boundary sensitive network for temporal action proposal generation ［J］. Computer Vision-ECCV ， 2018 ， 2018 ： 3 - 21 . doi: 10.1007/978-3-030-01225-0_1 http://dx.doi.org/10.1007/978-3-030-01225-0_1

CARREIRA J ， ZISSERMAN A . Quo vadis， action recognition？ A new model and the kinetics dataset［C］. 2017 IEEE Conference on Computer Vision and Pattern Recognition . 2126，2017 ， Honolulu， HI， USA . IEEE ， 2017 ： 4724 - 4733 . doi: 10.1109/cvpr.2017.502 http://dx.doi.org/10.1109/cvpr.2017.502

LEI P ， TODOROVIC S . Temporal deformable residual networks for action segmentation in videos ［C］. 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition . 1823，2018 ， Salt Lake City， UT， USA . IEEE ， 2018 ： 6742 - 6751 . doi: 10.1109/cvpr.2018.00705 http://dx.doi.org/10.1109/cvpr.2018.00705

LEA C ， REITER A ， VIDAL R ， et al . Segmental spatiotemporal CNNs for fine-grained action segmentation ［J］. Computer Vision-ECCV ， 2016 ， 2016 ： 36 - 52 . doi: 10.1007/978-3-319-46487-9_3 http://dx.doi.org/10.1007/978-3-319-46487-9_3

KUEHNE H ， GALL J ， SERRE T . An end-to-end generative framework for video segmentation and recognition ［C］. 2016 IEEE Winter Conference on Applications of Computer Vision . 710，2016 ， Lake Placid ， NY， USA . IEEE ， 2016 ： 1 - 8 . doi: 10.1109/wacv.2016.7477701 http://dx.doi.org/10.1109/wacv.2016.7477701

RICHARD A ， KUEHNE H ， GALL J . Weakly supervised action learning with RNN based fine-to- coarse modeling ［C］. 2017 IEEE Conference on Computer Vision and Pattern Recognition . 2126，2017 ， Honolulu， HI， USA . IEEE ， 2017 ： 1273 - 1282 . doi: 10.1109/cvpr.2017.140 http://dx.doi.org/10.1109/cvpr.2017.140

Views

1207

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Review of Mamba-based methods for remote sensing image super-resolution

Inverse design of efficient achromatic metalens based on channel attention enhanced network

Coupling error modeling and correction of angular and translational stages in fiber coupling systems

Design and implementation of a model for the characteristics of ground-based space target telescope's all day time detection capability

Enhanced reflection U-Net reconstruction for passive Non-Line-of-Sight imaging

Related Author

No data

Related Institution

No data

AI问答

Address：No.3888 Dong Nanhu Road, Changchun, Jilin, China Postal code：130033
Tel：0431-86176855 Email：gxjmgc@ciomp.ac.cn
Technical support is provided by Beijing Founder electronics co., LTD 吉ICP备11002662号-17 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰