學習筆記，僅供參考，有錯必糾
關鍵詞：動作檢測；實時視頻處理；邊緣計算；運動導向特征；深度學習
不知道在講啥…

---

ACDnet: An action detection network for real-time edge computing based on flow-guided feature approximation and memory aggregation

摘要

解釋人類行為需要理解場景的空間和時間背景。最先進的基于卷積神經網絡(CNN)的動作檢測器，通過采用雙流或3D CNN架構，已經取得了顯著的效果。然而，由于系統的復雜性，這些方法通常以一種非實時的、在線的方式操作，以推理時空信息。因此，他們的高計算成本不符合新興的現實場景，如服務機器人或公共監控，檢測需要在資源有限的邊緣設備-。

在本文中，我們提出了一種緊湊的動作檢測網絡ACDnet，它以實時邊緣計算為目標，同時提高了效率和準確性。它聰明地利用連續視頻幀之間的時間一致性來近似它們的CNN特征，而不是單純地提取它們。它還整合了過去視頻幀的記憶特征聚合，以增強當前檢測的穩定性，隨著時間的推移隱式建模長時間線索。

在公共基準數據集UCF-24和JHMDB-21上進行的實驗表明，ACDnet與

總結

以上是生活随笔為你收集整理的文献记录(part25)--ACDnet An action detection network for real-time edge computing based on flow-guided的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。