更好地利用OS-CNNs以改进图像中的事件识别
计算机视觉与模式识别
2015-10-15 v1
摘要
静态图像中的事件识别是图像理解最重要的问题之一。然而，与对象识别和场景识别相比，事件识别在计算机视觉界获得的关注少得多。本文探讨静态图像中文化事件识别的问题，并聚焦于将深度学习方法应用于该问题。具体地，我们利用对象-场景卷积神经网络（OS-CNNs）的成功架构来进行事件识别。OS-CNNs由对象网络和场景网络组成，它们分别迁移了在大规模对象和场景识别数据集上预训练模型学习到的表示。我们提出四类场景，将OS-CNNs视为“端到端事件预测器”或“通用特征提取器”，以探索其在事件识别中的应用。实验结果表明，OS-CNNs的全局与局部表示互为补充。最后，基于对OS-CNNs的研究，我们提出了针对ICCV ChaLearn Looking at People (LAP) 2015挑战赛文化事件识别赛道的一个解决方案。我们的团队在该挑战赛中获得第三名，且结果非常接近最佳性能。
引用
@article{arxiv.1510.03979,
title = {Better Exploiting OS-CNNs for Better Event Recognition in Images},
author = {Limin Wang and Zhe Wang and Sheng Guo and Yu Qiao},
journal= {arXiv preprint arXiv:1510.03979},
year = {2015}
}
备注
8 pages. This work is following our previous work: http://arxiv.org/abs/1505.00296