多媒体事件搜索中用于弱监督证据发现的自步学习
计算机视觉与模式识别
2017-10-24 v3
摘要
多媒体事件检测近年来受到越来越多的关注。除了识别事件外，证据的发现（称为“复述”）对于用户更好地理解搜索结果也至关重要。由于证据标注的困难，仅有有限的事件标签监督可用于训练复述模型。为解决这一问题，我们提出了一种基于自步学习框架的弱监督证据发现方法，该方法遵循从简单“证据”到逐渐复杂证据的学习过程，同时从大量弱标注视频片段中挖掘越来越多的正证据样本。此外，为了定量评估我们的方法，我们还提出了两个指标，\textit{PctOverlap} 和 \textit{F1-score}，专门用于衡量证据定位的性能。实验在 TRECVID MED 数据集的子集上进行，结果表明我们的方法取得了令人鼓舞的效果。
引用
@article{arxiv.1608.03748,
title = {Self-paced Learning for Weakly Supervised Evidence Discovery in Multimedia Event Search},
author = {Mengyi Liu and Lu Jiang and Shiguang Shan and Alexander G. Hauptmann},
journal= {arXiv preprint arXiv:1608.03748},
year = {2017}
}
备注
This paper has been withdrawn by the author due to a crucial error in tables