مریم اسدی - پژوهشگر پسادکترا، پژوهشکده علوم کامپیوتر، پژوهشگاه دانشهای بنیادی، تهران،
شهره کسائی - استاد، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف، تهران،

هدف بازشناسی کنش، برچسب گذاری کنش انسان در یک ویدئو است. این زمینه ی تحقیقاتی کاربردهای فراوانی در تعامل انسان با کامپیوتر، روباتیک، و مراقبت های پزشکی دارد. در چند سال اخیر، همانند دیگر زمینه های پژوهشی بینایی کامپیوتری، شبکه های ژرف به افزایش دقت در بازشناسی کنش کمک نموده اند. با ظهور دوربین های اندازه گیر ژرفا ، که اطلاعات سه بعدی هندسی از محیط را فراهم می کنند، توجه بیشتری به این زمینه ی پژوهشی شده ا ست. با در د ست دا شتن دنباله ای از تصاویر رنگی و ژرفا می توان بردارهای جریان نوری و جریان صحنه را محاسبه نمود. در این مقاله، هدف مقایسه میزان قدرت تمایزی این ماهیت های مختلف به عنوان ورودی شبکه های ژرف است. همچنین نتایج انواع هم جوشی ماهیت های متفاوت برر سی شده ا ست. روش پیشنهادی بر روی پایگاه داده Montalbano II ارزیابی شده است.

بازشنا سی کنش، یادگیری ژرف، تصاویر ژرفا، همجوشی چند ماهیتی، بردار جریان نوری، بردار جریان حرکتی.