面向大规模动作分类数据集的视觉词汇表生成中的特征采样与划分
计算机视觉与模式识别
2014-05-30 v1
摘要
动作识别的最新趋势是朝着更大的数据集、更多的动作类别和更大的视觉词汇表发展。在具有挑战性的视频数据中，最先进的人体动作分类目前基于词袋视觉词流水线，其中时空特征全局聚合形成直方图。选择特征采样和构建视觉词汇表的策略对性能至关重要，实际上常常主导性能。在这项工作中，我们对构建词汇表的各种方法进行了批判性评估，并表明良好的实践确实有显著影响。通过策略性地子采样和划分特征，我们能够在5个主要动作识别数据集上使用相对较小的视觉词汇表取得最先进的结果。
引用
@article{arxiv.1405.7545,
title = {Feature sampling and partitioning for visual vocabulary generation on large action classification datasets},
author = {Michael Sapienza and Fabio Cuzzolin and Philip H. S. Torr},
journal= {arXiv preprint arXiv:1405.7545},
year = {2014}
}