打破两项世界纪录,腾讯优图开源视频动作检测算法DBG

腾讯优图实验室提出一种新的视频动作检测算法DBG并开源,这是继今年4月人脸检测算法DSFD开源后,优图的又一次开源动作。
来源:腾讯技术工程微信号

目前,DBG算法在全球两大权威视频动作数据集ActivityNet-1.3和THUMOS14上均取得了第一。相关论文《Fast Learning of Temporal Action Proposal via Dense Boundary Generator》已被国际人工智能顶级会议AAAI2020接收,与此同时,算法代码已在优图研究官方Github上开源。

Github开源地址:
https://github.com/TencentYoutuResearch/ActionDetection-DBG

论文公开地址:
https://arxiv.org/pdf/1911.04127.pdf

三点创新,探索视频动作检测最优方案

视频动作检测技术是精彩视频集锦、视频字幕生成、动作识别等任务的基础,随着互联网的飞速发展,在产业界中得到越来越广泛地应用。视频动作检测算法需要在给出视频中找到动作发生的位置(起点和终点)和置信度。如下图所示,我们需要在一段体育视频场景中,找到“跳高”这个动作发生的起点时刻和终点时刻。

与现有的视频动作检测算法相比,DBG算法有3点创新:

(1)提出一种快速的、端到端的稠密边界动作生成器(Dense Boundary Generator,DBG)。该生成器能够对所有的动作提名(proposal)估计出稠密的边界置信度图。
(2)引入额外的时序上的动作分类损失函数来监督动作概率特征,该特征能够有利于回归动作的完整度。
(3)设计一种高效的动作提名特征生成层,该层能够有效捕获动作的全局特征,便于后面的分类和回归模块。

据了解,DBG算法在全球两大权威视频动作数据集ActivityNet-1.3和THUMOS14上均取得了第一。算法的整体框架主要包括三个部分:视频特征抽取(Video Representation),稠密边界动作检测器(DBG),后处理(Post-processing)。

DBG算法框架图

从评估结果来看,DBG无论在召回率还是耗时上都优于现有其他开源算法。其中,ActivityNet1.3数据集分为Validation和Test两个评估集,DBG单模型(表中Ours)在Validation和Test的两种评估模式上均取得了Top 1,通过使用多种特征提取网络和多尺度特征等策略,DBG算法的融合结果是73.05%,达到ActivityNet榜单的第一名。

目前THUMOS14数据集测试集标注已经公开,通过将DBG与现有的开源方法进行对比,DBG在不同指标下的召回率均有显著提升。

此外,DBG算法的耗时要明显少于BSN和BMN等其他经典方法。

突破痛点 ,DBG算法为产业发展助力

随着互联网时代发展,视频内容越来越多,预计到2021年,80%左右的互联网流量将会来自于视频。视频内容的爆发也催生了对动作检测算法的巨大需求。互联网场景视频内容的多样性对技术提出了很多的挑战,如视频场景复杂、动作长度差异较大、边界模糊、相机运动带来背景变化等。针对这些挑战,优图DBG动作检测算法应运而生,在实际业务中取得了很好的精度与速度的提升。

目前,动作检测技术已经应用于公司内外的多个业务中,覆盖教育、社交、娱乐、视频等多个场景。以社交娱乐场景为例,短视频APP用户拍摄上传一段原始视频后,基于DBG算法的功能接口,可实现对视频中“跳舞”动作的检测和识别并智能剪辑,帮助用户自动生成更加专业的短视频。

自2017年,腾讯开始加快对外开源节奏,主要覆盖AI、云、游戏、安全、小程序等相关领域,其中计算机视觉技术的开源也是其重要一环。2017年7月,腾讯优图首个AI开源项目NCNN开源,2019年至今已有人脸检测、属性等5项技术开源。腾讯优图将不断研究和探索,通过开源更多新技术为产业发展提供助力。

推荐阅读:
比 Bert 体积更小速度更快的 TinyBERT

更多腾讯AI相关技术干货,请关注专栏腾讯技术工程

发表评论

邮箱地址不会被公开。 必填项已用*标注

Related Post