基于细分-融合模型的行为识别
计算机视觉与模式识别
2015-08-19 v1
摘要
本文提出一种新颖的细分-融合模型（SFM）以识别人体动作。在大多数行为识别任务中，特征分布重叠是导致过拟合的常见问题。在所提SFM的细分阶段，每一类中的样本被聚类。随后，这些样本被分入多个更集中的子类别。子类别的边界更易确定，从而避免了过拟合。在后续的融合阶段，多子类别分类结果被转换回原始类别识别问题。给出了两种确定聚类数的方法。所提模型已在四个流行数据集上充分测试。在Hollywood2数据集上，取得了79.4%的准确率，优于64.3%的当前最优准确率。在YouTube Action数据集上的性能从75.8%提升至82.5%，同时在KTH与UCF50数据集上也观察到显著改进。
引用
@article{arxiv.1508.04190,
title = {Action Recognition based on Subdivision-Fusion Model},
author = {Hao Zongbo and Lu Linlin and Zhang Qianni and Wu Jie and Izquierdo Ebroul and Yang Juanyu and Zhao Jun},
journal= {arXiv preprint arXiv:1508.04190},
year = {2015}
}
备注
Accepted by BMVC2015