用于视频分类的深度判别模型
计算机视觉与模式识别
2018-07-24 v1
摘要
本文提出一种用于基于视频的场景分类的新深度学习方法。我们设计了一种异质深度判别模型（HDDM），其参数通过使用高斯受限玻尔兹曼机（GRBM）以逐层无监督预训练方式进行初始化。为避免相邻帧的冗余，我们提取帧内的时空变化模式，并使用稀疏立方对称模式（SCSP）对其进行稀疏表示。随后，使用每一类的视频分别训练预初始化的 HDDM 以学习类特定模型。根据所学类特定模型的最小重构误差，采用加权投票策略进行分类。所提方法的性能在两个动作识别数据集 UCF101 与 Hollywood II，以及三个动态纹理与动态场景数据集 DynTex、YUPENN 与 Maryland 上进行了广泛评估。实验结果及与 SOTA 方法的对比表明，所提方法在所有数据集上一致取得了优越性能。
引用
@article{arxiv.1807.08259,
title = {Deep Discriminative Model for Video Classification},
author = {Mohammad Tavakolian and Abdenour Hadid},
journal= {arXiv preprint arXiv:1807.08259},
year = {2018}
}
备注
Accepted in ECCV 2018