用于动作识别的多视图 Hessian 正则化逻辑回归
计算机视觉与模式识别
2014-03-05 v1 机器学习
机器学习
摘要
随着社交媒体分享的快速发展，人们常常需要管理日益增长的多媒体数据，例如大规模视频分类与标注，尤其是组织那些包含人类活动的视频。近来，流形正则化半监督学习（SSL）通过探索数据内在概率分布，仅利用少量标注数据即可提升泛化能力，已成为半自动视频分类的一种有前景的范式。此外，人类动作视频通常具有多模态内容和不同表示形式。为解决上述问题，本文提出用于人类动作识别的多视图 Hessian 正则化逻辑回归（mHLR）。与现有工作相比，mHLR 的优势体现在三个方面：（1）mHLR 结合了多个 Hessian 正则化项，每个正则化项从实例的特定表示中获得，以增强对局部几何结构的探索；（2）mHLR 能自然地处理具有多种表示的多视图实例；（3）mHLR 采用平滑损失函数，因此可被有效优化。我们在非结构化社会活动属性（USAA）数据集上仔细进行了大量实验，实验结果证明了所提出的多视图 Hessian 正则化逻辑回归方法在人类动作识别中的有效性。
引用
@article{arxiv.1403.0829,
title = {Multiview Hessian regularized logistic regression for action recognition},
author = {W. Liu and H. Liu and D. Tao and Y. Wang and Ke Lu},
journal= {arXiv preprint arXiv:1403.0829},
year = {2014}
}
备注
13 pages,2 figures, submitted to signal processing