基于关键帧与关键片段的深度双描述子动态场景识别
计算机视觉与模式识别
2017-02-17 v2
摘要
动态场景识别是场景理解中的基本问题之一，旨在对森林火灾、山体滑坡或雪崩等运动场景进行分类。现有方法侧重于可靠地捕获静态与动态信息，但鲜有研究探索从动态场景序列中进行帧选择。本文提出一种基于“关键帧”与“关键片段”的深度双描述子动态场景识别方法。以少量反映序列特征分布的关键帧用于捕获显著的静态外观。从每个关键帧周围区域捕获的关键片段，通过短时间间隔内的动态模式提供额外的判别力。为此，我们的方法使用了两类迁移的卷积神经网络特征。全连接层用于选择关键帧与关键片段，而卷积层用于描述它们。我们使用公共数据集以及一个由23类动态场景、每类10个视频组成的新数据集进行了实验。评估结果证明了所提方法的最先进性能。
引用
@article{arxiv.1702.04479,
title = {Recognizing Dynamic Scenes with Deep Dual Descriptor based on Key Frames and Key Segments},
author = {Sungeun Hong and Jongbin Ryu and Woobin Im and Hyun S. Yang},
journal= {arXiv preprint arXiv:1702.04479},
year = {2017}
}
备注
10 pages, 7 figures, 8 tables