演化保持的稠密轨迹描述子
计算机视觉与模式识别
2017-02-15 v1
摘要
最近，轨迹池化深度学习描述子(Trajectory-pooled Deep-learning Descriptors)被证明在多个数据集上取得了最先进的人体动作识别结果。本文通过对每条轨迹应用排序池化(rank pooling)，编码沿轨迹计算的深度学习特征的时间演化，从而改进了其性能。这产生了演化保持轨迹(Evolution-Preserving Trajectory, EPT)描述子，一种显著优于轨迹池化深度学习描述子的新型视频描述子。EPT描述子基于稠密轨迹定义，并且它们为不基于轨迹的视频描述子提供了互补的优势。特别地，我们展示了EPT描述子与VideoDarwin的结合在Hollywood2和UCF101数据集上取得了最先进的性能。
引用
@article{arxiv.1702.04037,
title = {Evolution-Preserving Dense Trajectory Descriptors},
author = {Yang Wang and Vinh Tran and Minh Hoai},
journal= {arXiv preprint arXiv:1702.04037},
year = {2017}
}