用于动作识别的判别卷积Fisher向量网络
计算机视觉与模式识别
2017-07-20 v1
摘要
在这项工作中，我们针对视频中人体动作识别问题提出了一种新颖的神经网络架构。所提出的架构将经典Fisher向量方法的处处理步骤，即主成分分析(PCA)投影降维、高斯混合模型(GMM)和Fisher向量描述子提取，表达为网络层。与其他这些方法连续执行且相应参数以无监督方式学习的方法相反，将它们定义为单个神经网络允许我们以端到端方式判别性地微调整个模型。此外，我们表明所提出的架构可用作流行卷积网络中全连接层的替代，实现可比较的分类性能，甚至在不将可训练参数总数减少至五分之一的同时显著超越类似架构的性能。我们表明我们的方法相较于经典链条实现了显著改进。
引用
@article{arxiv.1707.06119,
title = {Discriminative convolutional Fisher vector network for action recognition},
author = {Petar Palasek and Ioannis Patras},
journal= {arXiv preprint arXiv:1707.06119},
year = {2017}
}