基于上下文局部敏感哈希扩展的改进视频分析
摘要
基于局部敏感哈希 (Locality Sensitive Hashing, LSH) 的算法已在寻找高维数据空间中的近似最近邻方面展现出前景。然而，在某些场景（如序列数据）中，若不考虑数据点的周边或上下文，则一对点的邻近性无法被捕捉。在视频中，例如，特定帧仅当其置于其前后帧的上下文中才有意义。LSH 没有处理数据点上下文的机制。本文提出了一种基于上下文的局部敏感哈希 (context based Locality Sensitive Hashing, conLSH) 新方案，其中点不仅基于其邻近性，也因为相似的上下文而被哈希到一起。本文的贡献有三方面。首先，conLSH 通过分层方法与最近提出的快速最优序列比对算法 (FOGSAA) 相集成。所得方法应用于视频检索以提取相似序列。所提算法在不同数据集上平均准确率超过 80%。研究发现其节省了穷举搜索所消耗总时间的 36.3%。与前述 FOGSAA、词袋 (Bag of Words) 方法及标准 LSH 实现的穷举搜索相比，conLSH 将搜索空间缩减至整个数据集的约 42%。其次，conLSH 在视频片段的动作识别中展示了有效性，相较于使用 STIP 描述符的 state of the art 方法，分类准确率平均提升 12.83%。最后但同样重要的是，本文提供了一种自动标注长而复合的真实生活视频的方法。conLSH 的源代码发布于 http://www.isical.ac.in/~bioinfo_miu/conLSH/conLSH.html
引用
@article{arxiv.1705.03933,
title = {An Improved Video Analysis using Context based Extension of LSH},
author = {Angana Chakraborty and Sanghamitra Bandyopadhyay},
journal= {arXiv preprint arXiv:1705.03933},
year = {2018}
}
备注
The work us regarding a conceptual phenomenon which is found no longer valid in Computer Vision (we are not continuing this work). Rather we want to apply it to Bioinformatics (different domain ). Therefore, it will not be a replacement of this submission. As, a significant portion of this submission is not valid and fullproof, we want to withdraw this submission