零样本人类动作识别的替代语义表示
计算机视觉与模式识别
2017-06-29 v1 信息检索
机器学习
多媒体
摘要
用于编码侧信息的适当语义表示是零样本学习成功的关键。在本文中，我们探索了两种特别针对零样本人类动作识别的替代语义表示：人类动作的文本描述和从与人类动作相关的静态图像中提取的深度特征。此类侧信息可以低成本地从网络上获取，这为大规模零样本人类动作识别获取侧信息开辟了新途径。我们研究了不同的编码方法，以从此类侧信息中生成人类动作的语义表示。基于我们的零样本视觉识别方法，我们在 UCF101 和 HMDB51 上进行了实验，以评估两种提出的语义表示。结果表明，我们提出的基于文本和基于图像的语义表示在零样本人类动作识别方面明显优于传统的属性和词向量。特别是，基于图像的语义表示产生了有利的性能，即使该表示是从每类少量图像中提取的。
引用
@article{arxiv.1706.09317,
title = {Alternative Semantic Representations for Zero-Shot Human Action Recognition},
author = {Qian Wang and Ke Chen},
journal= {arXiv preprint arXiv:1706.09317},
year = {2017}
}
备注
Technical Report, School of Computer Science, The University of Manchester, Accepted to ECML-PKDD 2017