通过排序与重排序改进人体活动识别
计算机视觉与模式识别
2015-12-14 v1
摘要
我们提出两种动机良好的基于排序的方法，以提升当前最先进的人体活动识别系统的性能。首先，作为对经典幂归一化方法的改进，我们提出一种称为秩归一化（RaN）的无参数排序技术。RaN 对视频特征的每个维度进行归一化，以解决 Fisher Vectors 和 VLAD 的稀疏和突发分布问题。其次，受课程学习启发，我们引入一种称为多类迭代重排序（MIR）的无训练重排序技术。MIR 通过将简单且典型的视频与困难视频分离，并相应地对分类器的预测分数进行重排序，从而捕捉动作类之间的关系。我们证明了我们的方法在六个真实世界数据集上显著提升了最先进运动特征的性能。
引用
@article{arxiv.1512.03740,
title = {Improving Human Activity Recognition Through Ranking and Re-ranking},
author = {Zhenzhong Lan and Shoou-I Yu and Alexander G. Hauptmann},
journal= {arXiv preprint arXiv:1512.03740},
year = {2015}
}