面向静态图像与视频中动作分类的判别字典设计
计算机视觉与模式识别
2020-06-09 v2
摘要
本文中，我们解决静态图像与视频中的动作识别问题。传统的局部特征如 SIFT、STIP 等不可避免地带来两个潜在问题：1) 它们在给定类别的不同实体中分布不均；2) 此类特征中有许多并非其所表示视觉概念所独有。为生成顾及上述问题的字典，我们提出一种新颖的判别方法，用于识别鲁棒且类别特定的局部特征，其在更大程度上最大化类间可分性。具体而言，我们将有力局部描述子的选择表述为基于滤波的特征选择问题，依据一种新颖的区分度度量对每类局部特征排序。随后基于所学字典表示底层视觉实体，该阶段之后使用随机森林模型进行动作分类，并继以标签传播精炼。该框架在基于静态图像(Stanford-40)与视频(UCF-50)的动作识别数据集上得到验证，并展现出优于文献中代表性方法的性能。
引用
@article{arxiv.2005.10149,
title = {Discriminative Dictionary Design for Action Classification in Still Images and Videos},
author = {Abhinaba Roy and Biplab Banerjee and Amir Hussain and Soujanya Poria},
journal= {arXiv preprint arXiv:2005.10149},
year = {2020}
}