用于事件检测的多模态稀疏编码
机器学习
2016-05-18 v1 计算机视觉与模式识别
摘要
无监督特征学习方法已证明对基于单一模态的分类任务有效。我们提出多模态稀疏编码，用于学习跨多种模态共享的特征表示。该共享表示被应用于多媒体事件检测(Multimedia Event Detection, MED)，并与单模态对应方法以及其他特征学习方法（如GMM超向量和稀疏RBM）进行比较评估。我们报道了在TRECVID MED 2014数据集子集上，基于从我们的单模态和多模态设置中学习到的特征训练的MED系统的交叉验证分类准确率和平均精度均值。
引用
@article{arxiv.1605.05212,
title = {Multimodal Sparse Coding for Event Detection},
author = {Youngjune Gwon and William Campbell and Kevin Brady and Douglas Sturim and Miriam Cha and H. T. Kung},
journal= {arXiv preprint arXiv:1605.05212},
year = {2016}
}
备注
Multimodal Machine Learning Workshop at NIPS 2015