![](https://csdnimg.cn/release/download_crawler_static/88424832/bg4.jpg)
我们的论文涉及从视频中的空间动作检测,这是在每个视频帧中
定位动作(用边界框)并将它们分类的任务。最近的最先进的空间动
作检测器是从对象检测CNN模型修改而来的。Gkioxari和Malik [10]将
R-CNN [9]框架扩展到以RGB和流作为输入的双流变体。Wein- Zaepfel
等
。[51]通过引入检测跟踪来改进该方法以获得时间结果。双流更快
的R-CNN [35]然后由[39,32]引入。Singh等人[44]修改了SSD [25]检测
器以实现实时动作定位。在这项工作中,我们使用Faster RCNN [35]作
为帧级动作检测器。
人脸识别
人脸识别是一个研究得很好的问题[59,23]。最近的深度学
习方法和大规模注释数据集显着提高了这项任务的性能[45,46,
53,41,27,26]。一些方法将其视为多类分类问题,并
在
[
45,
46]上使
用vanilla softmax函数
。
我们
等
着
。
[
53]
在最大
化类间距离的
同时
,
使用
softmax损失来联合地最小
化
[41]的最先进方法使用三重丢失与硬实例
挖掘,但它需要2亿张训练图像。最近的工作[27,26]通过将度量学习
与分类相结合来展示强大的性能在这项工作中,我们使用[26]作为我
们的人脸识别模块。
网络攻击
我们的工作也与网络攻击问题密切相关现有的基于CNN的分
类器很容易被愚弄[54,5,12,28,30],即使输入图像以人眼不可察
觉的方式被扰动。相应地,也有研究防御方法的工作[12,31,55]。
我们的工作是类似于网络攻击的方法,因为我们修改后的图像需要攻
击的人脸识别。然而,不同之处在于,我们希望大幅改变内容,使身
份无法识别(即使是人类),同时还将其优化为动作识别。
生成对抗网络(
GANs
)
GANs [11]已被提出
以无监督的方式生成逼真
的图像。从那时起,许多作品[3,40,34]研究了改进GAN训练的方
法,以生成高质量和高分辨率的图像。它是目前最主要的生成模型,
其成功的关键是对抗性损失,这迫使生成的数据分布与真实数据分布
无法区分。GANs已经被推广并应用于各种视觉任务,如图像到图像
转换[16],超分辨率[24],域适应[36]和对象检测[49]。最近的工作使
用GANs来抑制视频特征中的用户信息以保护隐私[17],但它只关注特
征提取,而不考虑图像数据中实际像素的修改。在本文中,我们将
GAN扩展为用于多个动作检测模型的多个动作检测模型,以在不损害动作
检测性能的情况下对多个动作检测模型的多个面部进行任意化。此外,与
图像到图像的翻译、风格转换和域适应工作相比,我们的网络不需要
目标域来借用视觉风格或内容。