知情民主：基于投票的动作识别新颖性检测
计算机视觉与模式识别
2018-10-31 v1
摘要
新颖性检测对于实际应用至关重要。虽然在活动识别中通常假设闭集设定，即测试样本总是训练类别中的样本，这一假设在真实场景中不切实际。测试样本可能属于多种类别，包括训练期间从未见过的类别。因此，能够知道我们已知什么和未知什么，对于模型避免可能灾难性的后果具有决定性意义。我们在本工作中提出了一种新方法，用于识别分类器此前未见过活动类别的样本。我们的模型采用基于投票的机制，利用各个分类器在其预测中估计的不确定性来衡量新输入样本的新颖性。此外，投票特权赋予一组知情分类器子集，当样本被分类为某一已知类别时，这些分类器能最佳地估计样本是否新颖。在UCF-101和HMDB-51上的详尽评估中，我们表明我们的模型在新颖性检测上持续优于最先进水平。此外，通过将我们的模型与现成的零样本学习（ZSL）方法结合，我们的模型在广义ZSL设定下的动作分类准确率上带来了显著提升。
引用
@article{arxiv.1810.12819,
title = {Informed Democracy: Voting-based Novelty Detection for Action Recognition},
author = {Alina Roitberg and Ziad Al-Halah and Rainer Stiefelhagen},
journal= {arXiv preprint arXiv:1810.12819},
year = {2018}
}
备注
Published in BMVC 2018. First and second authors contributed equally to this work