用于视频分析的无监督学习层
机器学习
2017-05-26 v1 计算机视觉与模式识别
机器学习
摘要
本文提出了两种用于无标签视频分析的无监督学习层（UL 层）：一种用于全连接层，另一种用于卷积层。所提出的 UL 层可以扮演两种角色：它们可以作为代价函数层，提供全局训练信号；同时，它们可以被添加到任何常规神经网络层中，提供局部训练信号，并与从上层反向传播的训练信号相结合，以在不同深度的层上提取慢变和快变特征。因此，UL 层既可用于纯无监督设置，也可用于半监督设置。我们提供了两种 UL 层的闭式解和在线学习算法。使用未标记的合成视频和真实视频进行的实验表明，配备了 UL 层并使用所提出的在线学习算法训练的神经网络可以从运动物体的视频序列中提取形状和运动信息。这些实验展示了 UL 层和在线学习算法在头部朝向估计和运动物体定位中的潜在应用。
引用
@article{arxiv.1705.08918,
title = {Unsupervised Learning Layers for Video Analysis},
author = {Liang Zhao and Yang Wang and Yi Yang and Wei Xu},
journal= {arXiv preprint arXiv:1705.08918},
year = {2017}
}