摘要：基于弱监督学习的视频异常行为检测算法使用较少的人工注释就能获得较大的性能提升,由于视频分段的影响,时序特征增强对于视频异常检测任务非常关键。现有的方法不能同时兼顾时间注意力增强与模型计算效率,因此,该文引入了一种基于轻量化时间注意力增强的视频异常检测算法,并在此基础上生成与异常检测任务相关的特征。此外,通过所设计的排序函数优化训练异常分数,能使每个片段的异常分数更加准确。相较于传统的Real-World算法,该方法在ShanghaiTech和UCSD Ped2数据集上的准确率分别提升了12.46%和13.03%,验证了其有效性。

摘要：针对兴趣点推荐中无法精准捕捉POI之间地理影响和高效学习用户-兴趣点(POI)交互行为动态表示的问题,提出一种融合地理和时空信息的对比兴趣点推荐方法(IGST-CL)。采用地理插值采样策略来缓解数据不平衡问题,利用一种动态消息传播机制的图卷积网络精准捕获地理影响。采用一种基于正余弦时间函数的时间注意力机制和超图网络联合学习用户-POI交互行为的动态表示。采用对比学习策略进一步增强模型性能。基于多任务学习方法自适应融合上述3个任务推断用户偏好。基于多个基准数据集的实验分析验证了IGST-CL模型相比其它主流兴趣点算法的优越性。

摘要：针对目前多数人心理状态处于亚健康的问题,设计了一种基于时空注意力的双向长短时记忆(LSTM)网络,以实现微表情图像特征提取及识别,从而了解人们试图掩饰的情绪。该网络由双向LSTM模块、空间注意力模块及时间注意力模块三大部分组成。将微表情视频图像作为输入,所学习的网络能够有选择性地聚焦于每帧有显著区别的动作单元,并对不同帧给予不同程度的关注度。同时,考虑到模块之间的相关性,还设计一个新的正则化的交叉熵损失函数,进一步优化网络。最后,在CASME、CASMEⅡ、CAS(ME)^(2)、SAMM四个数据集上进行了对比实验。实验结果表明,本文方法能够提高微表情识别的精度,优于其他方法。

摘要：针对现有跟踪算法处理快速运动和相似目标干扰挑战时精度欠佳的问题,提出一种基于时空注意力机制的孪生网络跟踪算法。设计时间注意力模块,利用视频初始帧作为参考,依照多幅历史参考帧的贡献程度,自适应地为其赋予权重并进行融合,构建时效性较强的多帧融合模板;结合空间注意力模块,通过非局部操作增强算法对跟踪图像的整体感知能力,进而提升算法的判别能力;在网络训练阶段,利用Focal Loss函数训练网络,以平衡正负样本的比例,提高算法判别困难样本的能力。仿真实验采用标准数据集OTB2015和VOT2016测试算法性能,并与近年来的12种优秀算法即ECO算法、DSST算法、HDT算法、CFNet算法、KCF算法、SRDCF算法、SiamFC算法、DCFNet算法、MEEM算法、SiamVGG算法、BACF算法、ANT算法进行对比。结果表明,融合时空特性的孪生网络跟踪算法可以很好地应对快速运动和相似目标干扰挑战,并有效提升基准算法的性能。

摘要：随着智能信息时代的到来,视频人体行为识别受到越来越多的重视。现有的行为识别方法大多考虑在数据形式或网络结构上进行改进,取得了不错的性能。受到人类在观察行为时的启发,人类会重点注意到关键区域和关键时刻,我们提出了一种新的基于时空注意力机制的行为识别方法。对于空间信息,关键区域提取模块得到重点区域,并结合全局信息进行识别。对于时间信息,设计了时间特征重标定模块,使不同时刻的特征具有不同的权重。在广泛使用的数据集上进行的实验表明,与先进的方法相比,我们的方法取得了最好的性能。

摘要：基于常规3D卷积的视频动作识别模型提取的时空特征是耦合的,无法有效区分动作类别,限制了其识别准确性。对此以最新的3D卷积视频动作识别网络为基础,设计了一种时空解耦模块,该模块包含时间和空间两个并行分支,分别沿时间方向和空间方向进行特征提取,最后将解耦的时空特征融合后输出。同时,为了降低冗余空间信息的影响,提出一种时间注意力模块,在时空解耦模块前对输入特征的冗余空间信息进行抑制。在HMDB51和UCF101数据集上进行了时空解耦模块和时间注意力模块的验证实验。实验结果表明,两种模块均能有效提高模型的识别准确率。在HMDB51数据集上的对比实验结果表明,时空解耦卷积神经网络模型准确率比基础网络MoViNetA0提高了2.66百分点。