Evolution modeling with multi-scale smoothing for action recognition

هدف از این مقاله، مدلسازی تکامل طولانی مدت یک فیلم اکشن با نمایش مقیاس زمانی چندگانه است. این وظیفه به دلیل تغییرات بزرگ در داخل کلاس در سرعت حرکت است. اکثر روش های موجود، مدل سازی تکاملی و همجوشی ویژگی های چندگانه در دو مرحله جدا شده را در نظر می گیرند که منجر به نمایندگی زیر مطلوب می شود. برای رسیدگی به این موضوع، این مقاله روش جدیدی را برای ادغام مدل سازی تکامل و نمایندگی چند مقیاس به یک چارچوب متحد ارائه می دهد. ایده اصلی این است که یک بردار صاف در مقیاس زمانی که به منظور تعریف نحوه نمایندگی در مقیاس های زمانی مختلف برای هموار کردن قاب استفاده می شود معرفی شود. با استفاده از فرمول بندی یادگیری بردار صاف، مدل سازی تکاملی و آموزش طبقه بندی، روش ما می تواند یک نمایش مقطع متنوع و انعطاف پذیر را در مقیاس چند مقیاس، نه یک مقیاس یا مقیاس ثابت چندگانه، بیاموزد. نتایج تجربی در سه مجموعه داده اثربخشی روش ما را نشان می دهد.