Im Bereich der Verhaltens­erkennung, bedingt durch unterschiedliche Änderungs­geschwindig­keiten bei den Akteuren und Aktionszuständen sowie dem Mangel an Forschung zur Korrelation zwischen Aktionen, was zu geringer Erkennungsfähigkeit und Fehlklassifikationen führt, wird ein zeitkorrelations­basiertes Aufmerksamkeits­mechanismusmodell auf Grundlage der SlowFast-Architektur vorgeschlagen. Erstens wird auf den optischen Fluss verzichtet und stattdessen Videodaten direkt als Netzwerk­eingabe verwendet, was ein End-to-End-Training ermöglicht; zweitens wird ein zeitkorrelationsbasierter Aufmerksamkeitsmechanismus definiert, der aus Korrelations­aufmerksamkeit und zeitlicher Aufmerksamkeit besteht, wobei die Korrelationsaufmerksamkeit zur Extraktion von Korrelationen zwischen Aktionen dient; anschließend werden die Informationen in den Zeitaufmerksamkeits­mechanismus eingespeist, um unnütze Merkmale zu unterdrücken; schließlich wird für das Problem des Verlustes der Merk­malskorrelation durch zu große Faltungskernschritte bei der Pfadfusion in SlowFast eine effektivere kontinuierliche Faltungsoperation als Ersatz vorgeschlagen. Experimente auf den Datensätzen UCF101 und HMDB51 zeigen, dass die vorgeschlagene Methode im Vergleich zu bestehenden Methoden Vorteile in Genauigkeit und Robustheit bietet.

Verhaltens­erkennung;SlowFast;zeitkorrelations­basierter Aufmerksamkeitsmechanismus;End-to-End-Training;Pfadfusion