增强词袋模型：用于活动识别的时序与结构信息的数据驱动发现
计算机视觉与模式识别
2016-11-15 v1
摘要
我们提出数据驱动技术来增强词袋(Bag of Words, BoW)模型，从而实现对复杂长期活动更鲁棒的建模与识别，尤其在活动的结构和拓扑事先未知时。我们的方法专门解决了标准BoW方法的局限性，后者无法表示活动流中固有的底层时序与因果信息。此外，我们还提出使用随机采样的正则表达式来发现并编码活动中的模式。我们在实验评估中展示了方法的有效性，成功在四个复杂数据集中识别活动并检测异常。
引用
@article{arxiv.1510.02071,
title = {Augmenting Bag-of-Words: Data-Driven Discovery of Temporal and Structural Information for Activity Recognition},
author = {Vinay Bettadapura and Grant Schindler and Thomaz Plotz and Irfan Essa},
journal= {arXiv preprint arXiv:1510.02071},
year = {2016}
}
备注
8 pages