计算机工程

作者：单鹏畅, 高利剑, 董文龙, 毛启容

单位：江苏大学计算机科学与通信工程学院，江苏 镇江 212013

关键词：行为检测,注意力机制,噪声对比损失,行为追踪,特征金字塔

基金：江苏省重点研发计划(BE2020036); 江苏省研究生科研与实践创新计划项目(KYCX23_3675); 江苏大学应急管理学院专项科研项目(KY-A-01)

行为检测任务包含行为分类和边界定位，往往关注行为特征和边界特征。已有方法通常忽略了行为空间特征对于该任务的重要性，并存在行为边界预测模糊的问题，影响行为检测模型的性能和应用效果。针对以上问题，提出一种基于显著目标追踪的行为检测(SOT-AD)方法。首先，为了学习不同尺度的显著空间信息，提出分级注意力网络，旨在捕捉与行为关联的显著目标，减少与行为无关的信息的干扰；其次，为了使相邻时序位置关注到的显著目标具有一致性，提出显著目标追踪损失；最后，引入中性样本辅助构造“目标-次目标-背景”特征池，旨在学习特征时序上下文信息，实现显著目标追踪。在THUMOS14和ActivityNet1.3两个通用数据集上的实验结果表明，与主流方法相比，SOT-AD在平均精度均值(mAP)指标上分别平均提升了0.9和0.6百分点。其中，在THUMOS14数据集上，SOT-AD的mAP@0.5达到72.7%。

来源：2025年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第6期