Action Recognition with Trajectory-Pooled Deep-Convolutional Descriptors

最新推荐文章于 2022-03-31 09:45:07 发布
最新推荐文章于 2022-03-31 09:45:07 发布
阅读量3.6k 收藏
点赞数
分类专栏： 动作识别 文章标签： cnn 深度学习 Action Recognition Trajectory-Pooled
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lk798362252/article/details/48243657
版权

Action Recognition with Trajectory-Pooled Deep-Convolutional Descriptors

这篇文章提出了一种新的视频表示方法，叫做trajectory-pooled deep-convolutional descriptor(TDD)。他拥有手工设计的特征和深度学习的特征的优点。用深度结构来学习有区分的卷积特征映射。然后用轨迹控制的pooling方法来融合这些卷积特征。

本文设计了两种正则化的方法来转化卷积特征映射，即时空正则化和通道正则化。

我们提的特征的优点：1）能够自动的学习得到高可区分性的特征，2）考虑了时间维的本质特性，引进了轨迹控制策略来采样和pooling深度学习的特征。

改进的轨迹：首先，在
最低0.47元/天 解锁文章
leek1727
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
"Action Recognition with Trajectory-Pooled Deep-Convolutional Descriptors"阅读小结
Mr_pan
05-28 3007
1、摘要： 本论文提出一种新的视频表示方法，称作轨迹池化-深度卷积描述符（TDD），共享手工制作的特征和深度学习特征。优点是：(1) TDDs是自动学习，并且与这些手工制作的特征相比具有高区分度的性能；(2) TDDs考虑时间维度的本质特征，介绍轨迹受限的采样和池化的策略加强深度学习特征。 2、介绍： Figure 1主要有两种类型的特征：手工制作的特征和深度学习特征。对于手工制
TDD, 轨迹池深层卷积描述符.zip
09-17
TDD, 轨迹池深层卷积描述符 基于的轨迹池深层卷积本文提供了跟踪轨迹池深层卷积描述符( TDD )的代码，如下所述：Action Recognition with Trajectory-Pooled Deep-Convolutional Descriptors
Action recognition with improved trajectories
04-06
ICCV2013 经典的行为识别文章,通过轨迹跟踪，达到准确的行为识别。
LSTM human activity recognition
10-20
信号数据的采集来自于嵌入在智能手机中的加速度传感器，实验选用了人类日常行为中的六类常见行为，分别为：走路、慢跑、上楼梯、下楼梯、坐、站立，数据收集后，对数据进行特征抽取，抽取后的特征使用支持向量机的分类功能对特征进行分类，最后识别出人类的六类行为。
4824-imagenet-classification-with-deep-convolutional-neural-networks.rar
07-09
这个压缩包文件“4824-imagenet-classification-with-deep-convolutional-neural-networks.rar”包含的资料，正是关于AlexNet的详细解析，对于深入理解深度学习和CNN有着重要价值。 AlexNet是由Alex Krizhevsky、...
3D-Action-Recognition-Using-EigenJoints
06-14
3D-Action-Recognition-Using-EigenJoints 实现基于Xiaodong Yang和Yingli Tian在论文“使用特征关节的3D动作识别”中提出的算法 论文链接： :
improve human action recognition with RGB-D devices
12-08
最新的（将于2014年发表在SCI期刊上）基于 RGB-D devices的人体行为识别联合新选择。 介绍 RGB-D带来的新机遇，给human action recognition研究带来了新机会。
基于Pose-based CNN的Action Recognition设计源码
最新发布
04-17
本项目是基于Pose-based CNN的Action Recognition设计源码，主要使用MATLAB进行开发。项目共包含237个文件，其中MATLAB文件69个，M文件57个，C++源代码文件20个，CUDA源代码文件19个，HPP头文件19个，Markdown文档...
Range Loss for Deep Face Recognition with Long-Tailed Training Data（商汤，论文阅读ppt)
12-16
Range Loss for Deep Face Recognition with Long-Tailed Training Data，ICCV 2017，商汤科技 本文的贡献： - 研究长尾分布对人脸 CNNs 模型训练的影响，并想办法缓解 - 开发出新loss —— Range loss ...
近三年来有关动作识别的几篇论文
05-30
搜集的几篇关于动作识别的2013 2014 2015年的paper 目录： 3D Convolutional Neural Networks for Human Action Recognition 2013 PAMI Action Recognition with Actons 2013 ICCV Action Recognition with Improved Trajectories 2013 ICCV Action Recognition with Trajectory-Pooled Deep-Convolutional Descriptors 2015 CVPR ActivityNet A Large-Scale Video Benchmark for Human Activity Understanding 2015 CVPR Bag of Visual Words and Fusion Methods for Action Recognition Comprehensive Study and Good Practice 2014 Concurrent Action Detection with Structural Prediction 2013 ICCV Dense trajectories and motion boundary descriptors for action ecognition 2013 Human Action Recognition by Representing 3D Skeletons as Points in a Lie Group 2014 CVPR Multi-View Super Vector for Action Recognition 2014 Sequence of the most informative joints (SMIJ) A new representation for human skeletal action recognition 2014 Towards Good Practices for Very Deep Two-Stream ConvNets 2015 Two-Stream Convolutional Networks for Action Recognition in Videos 2014
译：Action Recognition with Improved Trajectories
MemoryHeroLi的博客
09-26 2289
改进轨迹的行动识别 摘要：最近，密集轨迹被证明是用于动作识别的有效视频表示，并且在各种数据集上实现了最先进的结果。本论文通过考虑相机的运动来纠正它们，从而改善了它们的性能。为了估计相机运动，我们使用SURF描述符和密集光流来匹配帧之间的特征点，这些特征点被证明是互补的。然后，这些匹配用于使用RANSAC稳健地估计单应性。人体运动通常与相机运动不同，并产生不一致的匹配。为了改进估计，使用人类检测器来...
【action recognition】Action Recognition with Improved Trajectorie
warm_in_spring的博客
03-29 721
【Challenges】 severe camera motionvariation in human appearance and posecluttered background and occlusionviewpoint and illumination changes 【Abstract】 Recently dense trajectories were shown to
转载翻译-cvpr2015主要是
comliy123的专栏
03-03 563
Fully Convolutional Networks forSemantic Segmentation Hypercolumns for Object Segmentationand Fine-Grained Localization 一个很好的思路！以前的CNN或者R-CNN，我们总是用最后一层作为class label，倒数第二层作为feature。这篇文章的作者想到利用每一层的信息。
视频理解论文和数据集
haima1998的专栏
12-15 4292
转自：https://github.com/sujiongming/awesome-video-understanding Awesome Video Understanding Understanding Video: Perceiving dynamic actions could be a huge advance in how software makes sense of
LTC: 用于动作识别的长期时间卷积
CV技术指南（微信公众号）
12-28 924
Long-term Temporal Convolution for Action Recognition（2017） 主要贡献 1.提出长期时间卷积网络(LTC) 2.实现了在UCF-101（92.7%）和HMDB51（67.2%）数据集上行人动作识别的SOTA结果 作者认为将视频分成短片段并通过利用每个片段的得分来整合视频级的信息，或者更复杂的方案像LSTM，都可能是次优的。因此作者提出长期的时间卷积网络（LTC），即采用更长的时间片段作为输入，但为了降低计算量，LTC模型把空...
文献阅读：Long-Term Temporal Convolutions（LTC）for Action Recognition
Jennifer_Love_Frank的博客
03-31 1165
本作者使用具有长期时间卷积 (LTC) 的神经网络来学习视频表示。证明了增加时间范围的LTC-CNN模型提高了动作识别的准确性。还研究了不同低级表示的影响，例如视频像素的原始值和光流矢量场，并证明了高质量光流估计对于学习准确动作模型的重要性。
【论文阅读】Long-term Temporal Convolutions for Action Recognition
zzmshuai的博客
12-18 2260
【论文阅读】Long-term Temporal Convolutions for Action Recognition 这篇论文之前，几乎所有的3D卷积网络的输入视频长度都很短，例如C3D、Res3D都只有16帧，那么长时输入视频对最终的结果有没有影响呢？所以本文探索了3D卷积网络输入视频的时长对识别效果的影响，发现输入视频时长越长，效果越好，从而提出了LTC 3D网络结构，同时文章评估了LTC...
Dense Trajectory
LX
04-29 3422
原文地址：http://m.blog.csdn.net/blog/dream_catcher_10/38736101 Dense Trajectory简称DT，是一种用来提取视频密集跟踪轨迹的算法；通常基于该轨迹进行取块计算descriptor。 （一）DT计算 1.概念：在视频序列中对每一帧的兴趣点进行跟踪就形成trajectory，若是对每一帧密集采样兴趣点进行跟
towards semi-supervised deep facial expression recognition with an adaptive
11-12
近年来，半监督深度面部表情识别成为了人们关注的热点问题之一。在这个领域，研究人员一直致力于利用少量有标签的数据和大量无标签的数据来提高面部表情识别的准确性和鲁棒性。Adaptive是一种有效的半监督学习方法，...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值