.png){kind=icon}
返回
Human-Object interaction detection algorithm based on visual-semantic interaction perception
.png){kind=icon}
PRE
AI
DOI：10.1007/s11760-025-04804-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决因遮挡导致交互区域特征提取不足以及小样本训练泛化能力有限的问题，本文提出了一种基于视觉-语义交互感知的人体-物体交互检测算法。为改善受遮挡影响交互区域特征的提取，提出了一种深度视觉交互特征提取网络（DVIF）。通过图卷积构建自适应的人体-物体关系图，并结合优化的姿态分割，能够更好地捕获交互区域的关键特征。为提升小样本训练数据的泛化能力，提出了语义驱动样本扩展模块（SSE）。该模块通过将词嵌入和语言先验融入数据生成过程来扩充训练样本。提出了一种跨模态外部注意力融合模块（CEA），以协同增强视觉与语义信息，从而提升交互检测的准确性与鲁棒性。在HICO-DET和V-COCO数据集上的实验分别实现了30.67%和60.3%的人体-物体交互检测精度，验证了所提算法的有效性。
Keyword:
Human-Object interaction detection algorithm
Deep visual interaction feature extraction
Graph convolutional network
Pose estimation
Semantic-driven sample expansion
Cross-modal external attention fusion
期刊
IF:
2.1
论文数:
908
被引数:
4.6K
机构
暂无机构信息
引用论文
.png){kind=icon}
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks更快的r-cnn: 基于区域建议网络的实时目标检测
OAAI
OAAI分享收藏Human object interaction detection based on feature optimization and key human-object enhancement基于特征优化和关键人-物增强的人体对象交互检测
PREAI
分享收藏
查看更多内容