用于人体动作识别的特征演化池化
计算机视觉与模式识别
2017-08-21 v1
摘要
我们引入特征演化池化（Eigen Evolution Pooling），一种聚合特征向量序列的高效方法。特征演化池化旨在为特征向量序列生成紧凑的特征表示，同时最大限度地保留序列中的信息，尤其是特征随时间的时序演化。特征演化池化是一种通用的池化方法，可应用于任何特征向量序列，从低层 RGB 值到高层卷积神经网络（CNN）特征向量。我们证明，在编码视频中人体动作的动态变化方面，特征演化池化比平均池化、最大池化和排序池化更有效。我们在 UCF101 和 Hollywood2 这两个人体动作识别基准数据集上展示了特征演化池化的能力，并取得了最先进的性能。
引用
@article{arxiv.1708.05465,
title = {Eigen Evolution Pooling for Human Action Recognition},
author = {Yang Wang and Vinh Tran and Minh Hoai},
journal= {arXiv preprint arXiv:1708.05465},
year = {2017}
}