用于动作识别与图像标注的 RNN Fisher 向量
计算机视觉与模式识别
2015-12-15 v1
摘要
循环神经网络(RNNs)在分类和预测序列方面取得了相当大的成功。我们证明 RNNs 可有效用于编码序列并提供有效的表示。我们使用的方法基于 Fisher 向量，其中 RNNs 作为生成概率模型，且偏导数通过反向传播计算。在两个核心但迥异的、均依赖序列的任务上取得了最先进的结果：视频动作识别与图像标注。我们还展示了从图像标注任务到视频动作识别任务的一个令人惊讶的迁移学习结果。
引用
@article{arxiv.1512.03958,
title = {RNN Fisher Vectors for Action Recognition and Image Annotation},
author = {Guy Lev and Gil Sadeh and Benjamin Klein and Lior Wolf},
journal= {arXiv preprint arXiv:1512.03958},
year = {2015}
}