用于第一人称活动识别的提升多核学习
计算机视觉与模式识别
2017-06-06 v2
摘要
由于可穿戴摄像头的日益普及，来自第一人称（以自我为中心）视频的活动识别近来受到关注。为适应第一人称视频，已有大量工作调整现有特征描述符并设计新描述符。一个有效的活动识别系统需要为每个特征选择并使用互补特征及合适的核。在本研究中，我们提出了一种用于第一人称活动识别的数据驱动框架，在训练过程中有效选择并组合特征及其相应核。我们的实验结果表明，在第一人称活动识别问题中使用多核学习（MKL）和提升MKL（Boosted MKL）相比当前最优方法取得了改进的结果。此外，这些技术能够以高效便捷的方式用新特征扩展该框架。
引用
@article{arxiv.1702.06799,
title = {Boosted Multiple Kernel Learning for First-Person Activity Recognition},
author = {Fatih Ozkan and Mehmet Ali Arabaci and Elif Surer and Alptekin Temizel},
journal= {arXiv preprint arXiv:1702.06799},
year = {2017}
}
备注
First published in the Proceedings of the 25th European Signal Processing Conference (EUSIPCO-2017) in 2017, published by EURASIP