用于动作识别的深度时空流形网络
计算机视觉与模式识别
2017-05-10 v1
摘要
视频等视觉数据通常从复杂流形中采样。我们提出利用流形结构约束深度动作特征学习，从而最小化特征空间内的类内差异并缓解过拟合问题。考虑到流形可以从数据域逐层转移到深度特征，流形先验从顶层被引入卷积神经网络（CNN）的反向传播学习过程。所得算法——时空流形网络（Spatio-Temporal Manifold Network，STMN）——通过高效的交替方向乘子法与反向传播（ADMM-BP）求解。我们从理论上表明STMN通过嵌入方法将问题重新表述为流形上的投影。所提方法在两个基准数据集上评估，显示出对基线方法的显著改进。
引用
@article{arxiv.1705.03148,
title = {Deep Spatio-temporal Manifold Network for Action Recognition},
author = {Ce Li and Chen Chen and Baochang Zhang and Qixiang Ye and Jungong Han and Rongrong Ji},
journal= {arXiv preprint arXiv:1705.03148},
year = {2017}
}