用于静态图像动作识别的层次空间 Sum-Product 网络
计算机视觉与模式识别
2016-07-11 v3
摘要
从静态图像中识别动作是近年来广泛研究的课题。在本文中，我们通过提出一种新的空间 SPN（和积网络），将动作类别建模为身体部位灵活数量的空间构型。首先，我们通过无监督学习在图像集合中发现一组部位。然后，我们的新空间 SPN 被应用于建模部位之间的空间关系以及部位的高阶相关性。为了学习鲁棒的网路，我们进一步发展了一种层次空间 SPN 方法，该方法建模子图像内部部位之间的两两空间关系，并通过额外的 SPN 层建模子图像之间的相关性。我们的方法在两个基准数据集上被证明是有效的。
引用
@article{arxiv.1511.05292,
title = {Hierarchical Spatial Sum-Product Networks for Action Recognition in Still Images},
author = {Jinghua Wang and Gang Wang},
journal= {arXiv preprint arXiv:1511.05292},
year = {2016}
}