Combining the Right Features for Complex Event Recognition(泛读)

一.文献名字和作者

     Combining the Right Features for Complex Event Recognition, ICCV2013

   

二.阅读时间

  2015年1月14日

三.文献的贡献点

    文献主要提出了一种使用图模型的特征选择和融合的方法，用于将可以识别不同视频行为的特征进行融合选择，从而能够获得不同类别的一个特征表示，并使用每一个类别的特征进行SVM训练，在测试过程中，使用将每一个SVM得到的结果进行平均，来得到一个最终的结果。

    这篇文献使用图模型进行特征选择和融合，不过这个是用于视频行为识别的，这个方法能够成功的前提是不同的视频行为能够通过不同的特征进行鉴别，也就是说不同的特征对于不同的行为的分类能力是不同的，这样才可以通过特征融合进行更好的识别。

    这篇文章的算法过程我并没有看懂，但是，这篇文章的主要思路就是如何通过图模型来构建一个来进行特征选择，同时，通过一个结构的得分来进行对这个结构进行更新，直到整个结构收敛。这种方法确实很巧妙，如果要进行小的改进的话，可以在结构得分方面进行改进，如果有作者的代码的话，这方面实现应该不难。

    这篇文章给我的另外一个启发就是：要想通过融合特征得到比单个特征好的效果的话，这两个特征必须是对不同的类别分类有较好的效果的，不然两个特征结合起来效果只会比效果差的特征好，而比效果好的特征差，处于两个特征效果的中间。