带有跨流的改进密集轨迹
计算机视觉与模式识别
2016-05-02 v1
摘要
改进密集轨迹（iDT）在动作识别中表现出优异性能，并且其与双流方法相结合已取得了最先进的性能。然而，对于相机抖动的视频，iDT难以完全去除背景轨迹。为了在动作识别中创建更具判别性的局部描述子，应当为判别性较弱区域内的轨迹赋予适当的权重。此外，双流方法分别学习表观和运动信息，在从表观网络的空间卷积层提取特征时无法聚焦于重要区域中的运动，反之亦然。为了解决上述问题，我们提出了一种新的局部描述子，它沿iDT汇聚从跨接两个网络得到的新卷积层。该新描述子通过将从一个网络学习到的判别权重应用于另一个网络的卷积层来计算。我们的方法在有序动作识别数据集上取得了最先进的性能，在UCF101上为92.3%，在HMDB51上为66.2%。
引用
@article{arxiv.1604.08826,
title = {Improved Dense Trajectory with Cross Streams},
author = {Katsunori Ohnishi and Masatoshi Hidaka and Tatsuya Harada},
journal= {arXiv preprint arXiv:1604.08826},
year = {2016}
}
备注
6 pages, 3 figures