通过深度模型自适应级联实现快速视频分类
计算机视觉与模式识别
2017-07-04 v2 机器学习
神经与进化计算
摘要
近期进展使得“神谕”分类器成为可能，它们无需重新训练即可在众多类别和输入分布上实现高准确率分类。然而，这些分类器相对重量级，因此将其应用于视频分类成本高昂。我们表明，日常视频在短期内呈现出高度偏斜的类别分布，并且这些分布可以由简单得多的模型进行分类。我们将在线检测短期偏斜并据此利用模型的问题形式化为一个称为在线赌博机问题的新序列决策问题，并提出一种新算法来解决它。当应用于识别电视节目和电影中的人脸时，我们实现了端到端分类速度相对于最先进卷积神经网络 2.4–7.8 倍（GPU）/ 2.6–11.2 倍（CPU）的提升，同时保持有竞争力的准确率。
引用
@article{arxiv.1611.06453,
title = {Fast Video Classification via Adaptive Cascading of Deep Models},
author = {Haichen Shen and Seungyeop Han and Matthai Philipose and Arvind Krishnamurthy},
journal= {arXiv preprint arXiv:1611.06453},
year = {2017}
}
备注
Accepted at IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017