文献阅读笔记——Action Recognition with Stacked Fisher Vectors
2016-05-12 16:29
375 查看
转自:http://blog.csdn.net/breeze5428/article/details/39202887
本文由Xiaojiang Peng发表在计算机视觉顶级国际会议ECCV2014。由标题可以看出作者是利用分层的Fisher Vectors做行为识别。作者的动机是想将特征的维度做高。这种分层的做法近几年比较常见,如 ICRA 2014关于3d点云无监督特征的论文Unsupervised Feature Learning for 3D Scene Labeling,ICRA的这篇论文做了两层的Sparse Coding,在Sparse Coding的基础上做Sparse Coding。
如图1所示,作者给出了本文基于Fisher Vectors的框架和传统的基于Fisher Vectors的框架不同。本文做了两层的Fisher Coding,在得到底层特征的Fisher Vectors后,在Fisher Vectors的基础上得到新的Fisher Vectors。第二层输出的Fisher Vectors即作者所称的 Stacked Fisher Vectors (SFV),在做分类时可直接将SFV导入分类器中。作者通过实验验证,将FV同SFV串联起来形成高维特征效果要比单独用FV或者SFV效果更好。小结下本段的意思,SFV是FV上的特征,即关于特征的特征,即中层特征。
![](http://img.blog.csdn.net/20140911101156513?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvYnJlZXplNTQyOA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
提取第一层的目的是为第二层的Fisher Vectors提供原料。第一层Fisher Vectors 提取就是一般的Fisher Vectors向量提取过程。本文利用的底层特征是iDT。一般的步骤包括:(1)对data set中的iDT特征做PCA whitening;(2)GMM得到K1个高斯模型(3)得到当前图片的中各iDT特征的Fisher Vectors。得到iDT特征的Fisher Vectors后,从视频的W H L空间上各维度上以一定步长采样小方块,本文定义了12种尺度宽高时长的小方块。筛选出轨迹数量大于某一阈值的小方块,累加各小方块中的Fisher
Vectors。每个小方块可以得到一个局部累加的Fisher Vector,这些
第二层的 Fisher Vectors 提取类似第一层,原料是第一层小方块对应的 Fisher Vectors 。 Fisher Vectors 维度较高,需要做降维,本文采用的是最大边缘降维法,具体见本文。
本文由Xiaojiang Peng发表在计算机视觉顶级国际会议ECCV2014。由标题可以看出作者是利用分层的Fisher Vectors做行为识别。作者的动机是想将特征的维度做高。这种分层的做法近几年比较常见,如 ICRA 2014关于3d点云无监督特征的论文Unsupervised Feature Learning for 3D Scene Labeling,ICRA的这篇论文做了两层的Sparse Coding,在Sparse Coding的基础上做Sparse Coding。
本文框架
如图1所示,作者给出了本文基于Fisher Vectors的框架和传统的基于Fisher Vectors的框架不同。本文做了两层的Fisher Coding,在得到底层特征的Fisher Vectors后,在Fisher Vectors的基础上得到新的Fisher Vectors。第二层输出的Fisher Vectors即作者所称的 Stacked Fisher Vectors (SFV),在做分类时可直接将SFV导入分类器中。作者通过实验验证,将FV同SFV串联起来形成高维特征效果要比单独用FV或者SFV效果更好。小结下本段的意思,SFV是FV上的特征,即关于特征的特征,即中层特征。
本文算法
第一层Fisher Vectors 提取
提取第一层的目的是为第二层的Fisher Vectors提供原料。第一层Fisher Vectors 提取就是一般的Fisher Vectors向量提取过程。本文利用的底层特征是iDT。一般的步骤包括:(1)对data set中的iDT特征做PCA whitening;(2)GMM得到K1个高斯模型(3)得到当前图片的中各iDT特征的Fisher Vectors。得到iDT特征的Fisher Vectors后,从视频的W H L空间上各维度上以一定步长采样小方块,本文定义了12种尺度宽高时长的小方块。筛选出轨迹数量大于某一阈值的小方块,累加各小方块中的FisherVectors。每个小方块可以得到一个局部累加的Fisher Vector,这些
第二层 Fisher Vectors 提取
第二层的 Fisher Vectors 提取类似第一层,原料是第一层小方块对应的 Fisher Vectors 。 Fisher Vectors 维度较高,需要做降维,本文采用的是最大边缘降维法,具体见本文。相关文章推荐
- Android studio 百度地图开发(9)只显示网格不显示地图或者只显示一个部分地图
- react.js CMS 删除功能的实现
- 关于DataTable的两篇基础文章
- java中一些知识点
- MyCAT实现MySQL的读写分离
- unity, SerializedObject.FindProperty不要写在Editor的OnEnable里,要写在OnInspectorGUI里
- Could not initialize class com.ali.unit.rule.Router
- 第一天
- matlab图片清晰度调整
- 巧用ViewPager 打造不一样的广告轮播切换效果
- 程序源弃坑之路7(js软键盘)
- JAVA学习笔记(六)--简单抽奖系统
- matlab图片清晰度调整
- JAVA类加载详细整理——《深入理解JAVA虚拟机》读书笔记
- GitHub 上有什么嵌入式方面的项目?
- HBase之HFile存储
- ruby计算时间差
- 项目1-实现复数类中的运算符重载(3)
- 阿里云推荐码(wzrd94)
- Cocos2d-x 中文显示的方法