Action recognition. The Pascal VOC

Action recognition. The Pascal VOC 2012 action recog- nition task consists of 4588 training images and 4569 test images featuring people performing actions among ten cate- gories such as jumping, phoning, playing instrument or reading. This fine-grained task differs from the object classification task because it entails recognizing fine differences in human poses (e.g. running v.s. walking) and subtle interactions with objects (phoning or taking photo). Training samples with multiple simul- taneous actions are excluded from our training set.To evaluate how our transfer method performs on this very different target task, we use a network pre-trained on 1512 ImageNet object classes and apply our transfer methodology to the Pascal VOC action classification task.

結果 (繁體中文) 1:

動作識別。帕斯卡VOC 2012行動recog- nition任務由4588訓練圖像和4569測試圖像配人10 cate-中執行操作gories如跳躍，打電話，玩樂器或閱讀。從物體分類任務此細粒度任務不同，因為它需要在識別人的姿勢細的差異（例如運行VS行走）中，用對象（打電話或拍照）微妙的相互作用。培訓多simul- taneous行為樣本被排除在我們的訓練集。
為了評估我們如何轉移法執行這個非常不同的目標任務，我們使用網絡的預培訓了1512 ImageNet對象類，我們的轉移方法適用於帕斯卡VOC行為分類的任務。

結果 (繁體中文) 2:

行動識別。Pascal VOC 2012 動作回音任務由 4588 張訓練圖像和 4569 張測試圖像組成，這些圖像包括人們在跳躍、打電話、演奏樂器或閱讀等十個測試設備中執行操作。此細細微性任務與物件分類任務不同，因為它需要識別人形（例如運行 v.s. 步行）中的細微差異，以及與物件的細微交互（打電話或拍照）。訓練樣本具有多個類比動作，從我們的訓練集中排除。
為了評估我們的傳輸方法在這個非常不同的目標任務上的表現，我們使用 1512 ImageNet 物件類預先定型的網路，並將我們的傳輸方法應用於 Pascal VOC 操作分類任務。

結果 (繁體中文) 3:

動作識別。Pascal VOC 2012動作識別任務由4588張訓練影像和4569張測試影像組成，這些影像展示了人們在十個類別中的動作，如跳躍、打電話、演奏樂器或閱讀。這個細粒度的任務不同於對象分類任務，因為它需要識別人類姿勢的細微差异（例如跑步和走路）以及與對象的微妙互動（打電話或拍照）。多個同時動作的訓練樣本被排除在我們的訓練集之外。
為了評估我們的傳輸方法如何執行這個非常不同的目標任務，我們使用了一個在1512個ImageNet對象類上預先訓練的網絡，並將我們的傳輸方法應用於Pascal VOC動作分類任務。