弱监督）训练和注释方案，每次运行只需要一个注释，从而增加了训练样本的数量。 基本上，给定一组在动作发生前拍摄的图像，所提出的神经网络会尝试尽快预测未来意图（例如，在动作发生前一秒）。首先，神经网络提取描述帧视觉内容的特征表示。 通常，意图及其相关动作可以示。然而，从这些网络中提取的特征适用于与我们感兴趣的行为截然不同的行为。 因此，研究人员专注于使用基于人体姿势的紧凑视觉特征描述符。
这种基于姿势的视觉描
述符有助于识别运动运动的细微差异，从而更好地编码有关人的意图的信息。 仅从单一姿态检测这种意图确实是模棱两可的，因此研究人员通过将来自先前帧的时间信息与来自当前帧的信息聚合来处理 捷克电子邮件列表 它以做出最终决定。 训练这样一个神经网络是微不足道的，给定一个数据集，其中包含任何序列中所有帧的姿势注释和详细注释。然而，这不是意图预测的情况，其中人体姿势是用意图的时间信息注释的。研究人员通过将问题分为两部分来解决这个问题。
首先特征表示在标准
姿势训练数据集上进行训练，然后用作通用意图网络的初始化。在训练期间，预训练的标准姿势特征提取器层比添加时间信息的层接收更小的更新，因此针对意图识别进行调整，从而学习更多相 学生手机列表 关和区分性特征。。 其次，通过将问题重新定义为弱监督来解决框架级别缺乏意图注释的问题，其中仅提供一个序列标签来反映最终时间步的意图，即实际发生时的动作。 因此，这种优化可确保在意图开始显现时不会做出任何假设，从而防止由于主观标记而可能引入的任何偏差。
