基于少量训练样本的图像复杂事件识别
计算机视觉与模式识别
2017-01-18 v1
摘要
我们提议利用概念级表征来进行照片中复杂事件识别，给定有限训练样本。我们引入一种新颖框架，从网络发现事件概念属性，并借此从图像提取语义特征，且在少量训练样本下将其分类为社会事件类别。发现的概念包括多种物体、场景、动作和事件子类型，从而得出用于事件图像的判别性强且紧凑的表征。针对每个发现的事件概念获取网络图像，并且我们使用（预训练）CNN特征来训练概念分类器。在具有挑战性的事件数据集上的大量实验表明，我们所提方法在将图像分类为事件（有限训练样本）时优于若干直接使用深度CNN特征的基线方法。我们还证明，在使用单个训练样本的数据集上，我们的方法在未见事件类别中取得了最佳总体准确率。
引用
@article{arxiv.1701.04769,
title = {Complex Event Recognition from Images with Few Training Examples},
author = {Unaiza Ahsan and Chen Sun and James Hays and Irfan Essa},
journal= {arXiv preprint arXiv:1701.04769},
year = {2017}
}
备注
Accepted to Winter Applications of Computer Vision (WACV'17)