利用结构稀疏性实现基于协方差的视觉表示
计算机视觉与模式识别
2016-11-29 v2
摘要
过去几年，基于协方差的特征表示引起了日益增长的研究兴趣。人们提出了多种方法来提升其效能，其中一些近期方法求助于非线性核技巧。注意到该特征表示的本质在于刻画视觉特征的底层结构，本文认为，提升其效能的一个同等重要（甚至更重要）的途径应是提高这种刻画的质量。遵循此思路，我们提出在骨骼人体动作识别中利用视觉特征的结构稀疏性，并计算稀疏逆协方差估计（SICE）作为特征表示。我们讨论了这一新表示在处理小样本、高维度以及建模能力方面的优势。此外，利用SICE的单调性性质，我们高效生成SICE矩阵的一个层次结构，以刻画不同稀疏度级别下视觉特征的结构，随后开发了两种判别学习算法来自适应地集成它们以执行识别。正如大量实验所展示的，所提表示相比最先进的同类方法显著提升了识别性能。特别是，作为一种完全基于线性技巧的方法，它与那些采用非线性核技巧的方法相当甚至更优。这一结果很好地证明了利用结构稀疏性对于基于协方差的特征表示的价值。
引用
@article{arxiv.1610.08619,
title = {Exploiting Structure Sparsity for Covariance-based Visual Representation},
author = {Jianjia Zhang and Lei Wang and Luping Zhou and Wanqing Li},
journal= {arXiv preprint arXiv:1610.08619},
year = {2016}
}