基于背景漂移和深度证据约束的弱监督时序动作定位OA

针对弱监督时序动作定位中背景特征动态漂移导致动作与背景区分困难,以及缺乏时序边界监督引发预测不确定性的问题,提出一种基于背景漂移约束和深度证据约束的弱监督时序动作定位方法.首先,引入上下文注意分支,建立背景漂移特征注意学习约束机制,对动作起止片段进行注意建模,优化视频片段中动作、上下文和背景的特征表示;其次,设计动作、背景和上下文的深度证据学习框架,修正3类语义的预测结果及动作片段定位决策;最后,在THUMOS14和ActivityNet1.3数据集上进行了试验.结果表明:对于所提出方法,针对THUMOS14,在t-IoU范围0.10~0.70的平均值下,mAP达到了43.5%;针对ActivityNet1.3,在t-IoU范围0.50~0.95的平均值下,mAP达到了24.9%;可见所提出方法具有有效性.