时序动作分割任务: 输入是一个未经裁剪的视频，输出是视频中每一帧的动作类别。所以该任务可以理解为对每一帧视频进行打标签处理（类同于图片分割是给每个像素打标签）。
一、算法介绍
- MS-TCN/MS-TCN++
- Global2Local
二、常用数据集介绍
2.1 Breakfast
数据集形式：
- 数据集有1712段第三视角的视频。
- 所有视频是在18个不同的厨房录制的，视频内容是做早餐的一些动作。
- 总共有48个动作类别，且每段视频平均包含6个动作类别。
- 视频的平均帧数为2097帧
图示：
2.2 50Salads
数据集形式：
- 数据集有50段视频，视频录制是俯视视角
- 视频由25个被拍摄者，每人做两个salad录制下来的
- 总共有17个动作类别
- 视频的平均帧数为11552
图示：
2.3 GTEA
数据集形式：
- 数据集有28段视频，视频录制是第一人称视角
- 视频由4个被拍摄者准备咖啡或者三明治等7种日常活动
- 总共有11个动作类别
- 视频的平均帧数为1115
图示：
2.4 MPII Cooking 2
该数据集目前使用较少
数据集形式：
- 数据集有273段视频
- 视频时长在40秒到40分之间
- 总共有67个动作类别，其中有6动作个不在测试集里面
2.5 MERL Shopping
该数据集目前使用较少
数据集形式：
- 数据集有96个视频时长为2分钟的视频，60个训练、
- 使用HD摄像头俯视拍摄
- 总共有32个被拍摄者，每个人3段视频拍摄于不同的日期
- 总共有5类动作，Reach to Shelf, Retract from Shelf, Hand in Shelf, Inspect Product, Inspect Shelf
其它视频任务介绍请查看-文章<<主流的视频动作类算法任务介绍>>
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
