李飞飞团队提出视频事件描述新模型，附849小时数据集
本文共 574 字，大约阅读时间需要 1 分钟。
本文来自AI新媒体量子位（QbitAI）
最近，斯坦福大学的李飞飞与与她的学生Ranjay Krishna、Kenji Hata、Frederic Ren，以及同事Juan Carlos Niebles向ICCV 2017提交论文，提出了一个新模型，可以识别视频中的事件，同时用自然语言描述出来。
△ 新模型的原理及应用案例大多数视频都包含着大量事件。举个例子吧，比如在一段钢琴演奏的视频中，可能不仅仅包含钢琴演奏者，还可能包含着一群跳舞的人，或者一群鼓掌的观众，这些事件很可能是同时发生的。当一段视频中包含检测内容和描述内容时，我们称它为“字幕密集型事件”。
李飞飞团队的模型，可以利用过去和未来的上下文内容信息，来识别视频中这些事件之间的关系，并把所有事件描述出来。
上面这张流程图展现了新模型的运行原理。
同时，他们还发布了ActivityNet字幕数据集。这个数据集中包含了长达849小时的2万个视频，以及10万条带有开始和结束时间的描述信息，可以用来对字幕密集型事件进行基准测试。
相关资源
论文简介：
数据集下载：
http://cs.stanford.edu/people/ranjaykrishna/densevid/captions.zipC3D Features：论文：
本文作者：安妮
原文发布时间：2017-05-08
转载地址：http://jhjtx.baihongyu.com/
你可能感兴趣的文章
发光的二次元——克拉克拉上云实践
查看>>
阿里在使用一种更灵活的软件集成发布模式
查看>>
Java解析excel工具easyexcel助你快速简单避免OOM[图]
查看>>
《赋能》的读后感作文2800字
查看>>
Java并发编程学习三：线程同步的关键字以及理解
查看>>
Kafka的基本设计
查看>>
java B2B2C 仿淘宝电子商城系统-高可用的分布式配置中心
查看>>
JavaWeb学习笔记之EL表达式
查看>>
Qt5开发及实例学习之停靠窗口QDockWidget类
查看>>
幽灵交易者策略（附源代码）
查看>>
yum更换国内源、用yum下载rpm包和源码包的安装
查看>>
对抗粉尘攻击——CashShuffle正在保护BCHer隐私
查看>>
神经网络——构建非线性映射
查看>>
C++ Format
查看>>
人工智能将改变家电使用方式
查看>>
JAVA 大数据学习路线
查看>>
python的for循环怎么用？
查看>>
离线安装配置Android SDK方法
查看>>
使用Hessian远程上传文件遇到expected long at 0x25 (%)问题及解决
查看>>
RocketMq4.2.0 问题汇总
查看>>