基于社交、饮食和久坐模式的第一人称故事分析
计算机视觉与模式识别
2017-07-26 v1
摘要
第一人称故事可通过可穿戴相机在整个活动日期间获取的自我中心图像进行分析。本手稿提出了一个自我中心数据集，包含来自四人在不同环境（如工作或学习）中的超过45,000张图像。所有图像均经过人工标注，以识别关于人们生活方式的三种感兴趣模式：社交、饮食和久坐。此外，提出了两种不同的方法将自我中心图像分类为用于刻画这三种模式的12个目标类别之一。这些方法基于机器学习和深度学习技术，包括传统分类器和最先进的卷积神经网络。将这些方法应用于该自我中心数据集所获得的实验结果证明了它们对当前问题的适用性。
引用
@article{arxiv.1707.07863,
title = {Analyzing First-Person Stories Based on Socializing, Eating and Sedentary Patterns},
author = {Pedro Herruzo and Laura Portell and Alberto Soto and Beatriz Remeseiro},
journal= {arXiv preprint arXiv:1707.07863},
year = {2017}
}
备注
Accepted at First International Workshop on Social Signal Processing and Beyond, 19th International Conference on Image Analysis and Processing (ICIAP), September 2017