基于批处理的自我中心照片流活动识别再探讨
计算机视觉与模式识别
2018-05-11 v2
摘要
可穿戴相机能够采集大量图像数据，提供有关佩戴者日常活动的丰富视觉信息。受众多可通过自动识别日常活动而实现的健康应用（如用于改善习惯的生活方式表征、情境感知个人辅助和远程康复服务）的驱动，我们提出了一种系统，用于对可穿戴相机获取的照片流中的21项日常活动进行分类。我们的方法结合了依赖于图像层面卷积神经网络的后期融合集成策略的优势，以及循环神经网络在不依赖事件边界的情况下刻画照片流中高层特征时序演化的能力。所提出的基于批处理的方法实现了89.85%的总体准确率，超越了端到端的最先进方法。这些结果是在一个数据集上取得的，该数据集包含来自三个人平均26天内拍摄的44,902张自我中心图像。
引用
@article{arxiv.1710.04112,
title = {Batch-based Activity Recognition from Egocentric Photo-Streams Revisited},
author = {Alejandro Cartas and Juan Marin and Petia Radeva and Mariella Dimiccoli},
journal= {arXiv preprint arXiv:1710.04112},
year = {2018}
}