学习用于层级行为建模的循环表示
人工智能
2016-11-16 v3 计算机视觉与模式识别
摘要
我们提出了一个框架，利用生成式循环神经网络从运动序列中检测动作模式，并对动物的感觉 - 运动关系进行建模。该网络包含一个判别部分 (用于分类动作) 和一个生成部分 (用于预测运动)，其循环单元横向连接，允许网络的更高层表示高层现象。我们在两类数据上测试了我们的框架：果蝇行为和在线手写。我们的结果表明：1) 通过预测未来运动利用未标记序列，在训练标签稀缺时显著提高了动作检测性能；2) 网络在无监督情况下学会了表示作家身份和果蝇性别等高层现象；3) 通过将运动预测作为输入提供给网络而生成的模拟运动轨迹看起来逼真，可用于定性评估模型是否学到了生成控制规则。
引用
@article{arxiv.1611.00094,
title = {Learning recurrent representations for hierarchical behavior modeling},
author = {Eyrun Eyjolfsdottir and Kristin Branson and Yisong Yue and Pietro Perona},
journal= {arXiv preprint arXiv:1611.00094},
year = {2016}
}