基于近似 RBF 核机的可扩展紧凑三维动作识别
计算机视觉与模式识别
2017-11-29 v1
摘要
尽管近期深度学习（DL）带来了变革，核机仍是动作识别中强有力的手段。DL 带来了大规模数据集的使用，而这通常是核方法的问题所在，因为核 Gram 矩阵使其无法高效扩展。然而，核方法仍具吸引力且更具普适性，因为它们能同等处理不同规模的数据集，包括在 DL 技术显现局限的情形中。本工作通过提出一种显式近似表示来研究这些问题，该表示与线性模型结合，是核机的一种等价但可扩展的实现。我们的近似直接受 RBF 高斯核所诱导的精确特征映射启发，但不同于后者，它是有限维且非常紧凑的。我们用理论分析论证了该思路的合理性，证明了近似的无偏性，并给出了其方差的收敛界，该界比文献中替代方法下降得更快。在广泛的实验验证中，我们从 1）训练简便性与速度、2）模型紧凑性、以及 3）相对于当前最优性能的改进这三个方面评估了我们所提近似的优越性。
引用
@article{arxiv.1711.10290,
title = {Scalable and Compact 3D Action Recognition with Approximated RBF Kernel Machines},
author = {Jacopo Cavazza and Pietro Morerio and Vittorio Murino},
journal= {arXiv preprint arXiv:1711.10290},
year = {2017}
}