极市直播回放丨第85期-ICCV21 Oral-包文韬：开放世界动作识别新基准，DEAR：首个大规模视频动作识别的证据学习新模型

极市平台

2021-08-24

导读：回复“84”或“刘虹雨”即可获取PPT下载地址~

↑ 点击蓝字关注极市平台

视频动作识别，是为了识别视频中所呈现的人物动作类型。然而在真实的开放世界中，视频动作千姿百态，目前基于深度学习的动作识别模型，无法识别的新出现的动作类型。这一问题在开集识别(OSR)领域已有不少研究工作，然而现有的研究主要基于图像数据进行研究，忽略了视频的时空动态特性对OSR方法的影响。

在这次分享中，我们邀请到了来自美国罗切斯特理工大学计算与信息科学系三年级在读博士生包文韬，为我们介绍他的工作：

Evidential Deep Learning for Open Set Action Recognition

本文利用最新的深度证据学习理论(Evidential Deep Learning)，针对视频数据特点，提出一种基于证据的不确定性方法来识别新出现的动作，主要包括证据不确定性矫正(Evidential Uncertainty Calibration)、证据特征的去偏好优化(Evidence Debiasing)。实验证实，我们的方法能够显著提高目前主流的动作识别模型的OSR能力，代码和预训练模型将在近期开源。值得指出的是，本文涉及的深度证据不确定性理论，在图像分类、目标检测、语义分割等许多基础视觉任务上，均有广阔的研究前景。

➤详情传送门

极市直播｜ICCV'21 Oral-包文韬：开放世界动作识别新基准，DEAR：首个大规模视频动作识别的证据学习新模型

➤论文

Evidential Deep Learning for Open Set Action Recognition

链接地址：https://arxiv.org/abs/2107.10161

➤分享大纲

1. 开集识别问题与视频应用

2. 深度学习的不确定性

3. 提出的DEAR模型

4. 实验结果和分析

5. 总结与讨论

➤回放视频在这里☟（建议在pc端观看）