利用深度神经网络的无监督视频表示
吴心筱
伍堃
1.北京理工大学 智能信息技术北京市重点实验室,北京,1000812.北京理工大学 智能信息技术北京市重点实验室,北京,100081
摘要：在计算机视觉领域中,大多数的视频表示方法都是有监督的,需要大量带有标签的训练视频集,但标注大量视频数据会花费极大的人力和物力.为了解决这个问题,提出了一种基于深度神经网络的无监督视频表示方法.该方法利用改进的稠密轨迹(iDT)算法提取的视频块交替地训练深度卷积神经网络和特征聚类,得到可提取视频特征的深度卷积神经网络模型;通过视频的中层语义特征,实现了无监督视频表示.该模型在HMDB 51行为识别数据库和CCV事件检测数据库上分别进行了动作识别和事件检测的实验,获得了62.6％的识别率和43.6％的检测率,证明了本文方法的有效性.
关键词：无监督学习卷积神经网络视频表示
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61673062)国家自然科学基金(61472038)Natimol Natural Science Foundation of China (61673062)Natimol Natural Science Foundation of China (61472038)
论文发表日期：2017-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 8-12 )
英文信息