论文标题：AVA: A Video Dataset of Spatio-temporally Localized Atomic Visual Actions

 

来源/作者机构情况：

谷歌，http://www.cs.toronto.edu/~dross/

UC Berkeley

 

解决问题/主要思想贡献：

贡献了一个新的动作分类的数据集

 

成果/优点：

 分类更加多，单人，多人，人和物体的动作三大类。还有时间和空间上更加精确的标定

 

人类动作识别数据集AVA（atomic visual actions，原子视觉动作），提供扩展视频序列中每个人的多个动作标签，精确标注多人动作，我们将动作标签限制在固定的3s时间内。
[电影」和「电视」类别，选择来自不同国家的专业演员。我们对每个视频抽取 15 分钟进行分析，并统一将 15 分钟视频分割成 300 个非重叠的 3 秒片段。采样遵循保持动作序列的时间顺序这一策略。

 

数据集地址：https://research.google.com/ava/      需要科学链接

 

 缺点：

 反思改进/灵感：

#############################################################

论文主要内容与关键点：

论文主要部分：

 

 1. Introduction

数据集的基本参数：连续三秒长，80种不同的动作类型

2. Related work 动作类数据集

 

 

 

 

 

静态动作数据集，以及这些数据记的缺点：失去了时间的特征

 

 

 

 3. Data collection：

4. Characteristics of the AVA dataset

 

5. Experiments

 

6. Conclusion

目前的研究方法，在AVA数据集都还没有取得SOFA的结果，说明视频动作分类还需要研究出更好的算法出来。

 

代码实现：

https://github.com/tensorflow/models/tree/master/research/object_detection