为自动化事件检索选择相关的网络训练概念

复杂事件检索是一个具有挑战性的研究问题，尤其是在没有训练视频可用的情况下。收集训练视频的一种替代方案是预先训练一个大型语义概念库。给定事件的文本描述，事件检索通过选择与事件描述在语言上相关的概念，并在未见过的视频上融合这些概念的响应来执行。然而，定义一个详尽的概念词典并对其进行预训练需要巨大的计算资源。因此，最近的方法通过利用大量弱标注的网络数据来自动化概念的发现和训练。通过使用概念对或更一般的n元词组，可以自动获得紧凑的视觉显著概念。然而，并非所有视觉显著的n元词组都必然对事件查询有用——某些概念的组合可能在视觉上是紧凑的，但却不相关——这会极大地影响性能。我们提出了一种事件检索算法，该算法构建自动发现的概念对，然后剪除那些不太可能有助于检索的概念。剪除过程既依赖于查询，也依赖于正在评估的特定视频实例。我们的方法还解决了将概念检测器应用于未见过的视频时出现的校准和领域适应问题。我们在TRECVID MED 13数据集上展示了相对于其他基于视觉系统的巨大改进。