用于精确手势识别的判别模型中复杂度感知的潜在值分配
计算机视觉与模式识别
2017-04-04 v1
摘要
许多用于手势识别的最先进算法基于条件随机场 (CRFs)。成功的方法（如潜在动态 CRFs）通过引入潜在变量来扩展 CRF，这些潜在变量的值被映射到标签的值。在本文中，我们提出了一种根据手势复杂度来设置潜在值的新方法。我们使用一种启发式方法，遍历与每个标签值相关联的样本，估计它们的复杂度。然后，我们利用它将潜在值分配给标签值。我们在从视频流中识别人类手势的任务上评估了我们的方法。实验在通过组合不同标签生成的二分类数据集上进行。我们的结果表明，我们的方法在许多情况下优于任意分配的方法，准确率最高提升 10%。
引用
@article{arxiv.1704.00180,
title = {Complexity-Aware Assignment of Latent Values in Discriminative Models for Accurate Gesture Recognition},
author = {Manoel Horta Ribeiro and Bruno Teixeira and Antônio Otávio Fernandes and Wagner Meira and Erickson R. Nascimento},
journal= {arXiv preprint arXiv:1704.00180},
year = {2017}
}
备注
Conference paper published at 2016 29th SIBGRAPI, Conference on Graphics, Patterns and Images (SIBGRAPI). 8 pages, 7 figures