面向流式视频中人体活动在线识别的主动学习
机器学习
2016-10-06 v1 计算机视觉与模式识别
机器学习
摘要
从流式视频中识别人体活动给学习算法带来了独特的挑战：预测模型需要可扩展、可增量训练，并且即使数据流任意长，其大小也必须保持有界。此外，由于参数调优在流式环境中存在问题，合适的方法应该是无参数的，并且不对流中可能出现的类别标签做任何假设。我们在此提出一种从流数据中识别人体动作的方法，该方法通过以下方式满足所有这些要求：（1）增量学习一个模型，该模型用简单的局部分类器自适应地覆盖特征空间；（2）采用主动学习策略以减少标注请求；（3）在固定的模型大小内实现有竞争力的准确率。在标准基准上的大量实验表明，我们的方法与最先进的非增量方法具有竞争力，并且优于现有的主动增量基线方法。
引用
@article{arxiv.1604.02855,
title = {Active Learning for Online Recognition of Human Activities from Streaming Videos},
author = {Rocco De Rosa and Ilaria Gori and Fabio Cuzzolin and Barbara Caputo and Nicolò Cesa-Bianchi},
journal= {arXiv preprint arXiv:1604.02855},
year = {2016}
}