使用深度学习从自我中心图像预测日常活动
计算机视觉与模式识别
2015-10-07 v1
摘要
我们提出了一种方法，通过分析来自被动式自我中心可穿戴相机拍摄的图像以及上下文信息（如时间和星期几），来学习和预测个人的日常活动。我们收集了一个在6个月周期内包含40,103张自我中心图像、具有19个活动类别的数据集，并展示了state-of-the-art深度学习技术在学习和预测日常活动中的益处。分类使用卷积神经网络(CNN)与我们提出的一种称为后期融合集成的分类方法来进行。该后期融合集成融入了相关的上下文信息，提高了我们的分类准确率。我们的技术在跨越19个活动类别预测个人活动上达到了83.07%的总体准确率。我们还通过用一天的训练数据微调分类器，展示了来自另外两名用户的一些有前景的结果。
引用
@article{arxiv.1510.01576,
title = {Predicting Daily Activities From Egocentric Images Using Deep Learning},
author = {Daniel Castro and Steven Hickson and Vinay Bettadapura and Edison Thomaz and Gregory Abowd and Henrik Christensen and Irfan Essa},
journal= {arXiv preprint arXiv:1510.01576},
year = {2015}
}
备注
8 pages