基于成功率的局部加权核组合的电视新闻广告检测
计算机视觉与模式识别
2015-07-07 v1 多媒体
摘要
新闻广播视频中的广告检测涉及对有意义的视听特征组合的明智选择和高效的分类器。并且,如果这些组合可以从数据中学习,这个问题就会变得简单得多。为此,我们提出了一种基于多核学习的方法,用于提升成功的核函数同时忽略不相关的核函数。我们采用了一种中间融合方法,其中使用不同核函数的加权线性组合而不是单一核函数来训练 SVM。每个核函数由特征集和核类型表征。我们确定了仅使用特定核函数训练的分类器在预测成功时的特征子空间位置。我们提出使用支持向量回归(带有 RBF 核)为每个核函数估计一个权重函数,该函数在基于该核函数学习的分类器成功的区域具有高值(接近 1.0),否则具有低值(接近 0.0)。本工作的第二个贡献是包含 150 小时新闻视频的电视新闻广告数据集。采用我们提出的方案训练的分类器在 8 个基准数据集中的 6 个以及我们自己的电视广告数据集上均优于基线方法。
引用
@article{arxiv.1507.01209,
title = {TV News Commercials Detection using Success based Locally Weighted Kernel Combination},
author = {Raghvendra Kannao and Prithwijit Guha},
journal= {arXiv preprint arXiv:1507.01209},
year = {2015}
}