"Action Recognition with Trajectory-Pooled Deep-Convolutional Descriptors"阅读小结

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。对于手工制作的特征，提高的轨迹[31]结合费舍尔向量是最成功的做法。对于深度学习特征，ConNets [18]是很受欢迎的深度架构，它包含一系列的卷积和池化层。他们旨在自动学习有区别度的特征进行神经网络的训练。

2.1 视频表示的主要影响因素：背景杂斑、视角变化、各种各样的运动速度和风格、高维度和低分辨率；

2.3 两种特征的特点：

  (1)手工制作的特征：

1. 手工制作的特征的处理主要包括两个阶段：

1)detector：找到突出和信息丰富的区域；

2) descriptor：利用HOG,HOF,MBH等特征提高轨迹；

2.  优点：轨迹受限的采样策略的考虑了人类动作时间上的连续性，这对于处理动作的改变问题非常有效；

3.  缺点：手工制作的描述符缺乏动作的区分性；

 (2)深度特征：

TwoStream ConvNets [24] 是目前最优秀的架构，尤其在加强轨迹上。它由两个神经网络组成，分别是空间网络和时间网络ÿ