行为识别笔记：Stacked Fisher Vector基本原理

最新推荐文章于 2023-02-22 21:53:28 发布
原创 最新推荐文章于 2023-02-22 21:53:28 发布 · 6.2k 阅读 · 12 ·
CC 4.0 BY-SA版权
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。
文章标签：

#机器学习 #行为识别 #计算机视觉

Stacked Fisher Vector（SFV）是用于行为识别的先进算法，由Xiaojiang Peng在研究中提出。它通过堆叠两层Fisher Vectors来捕捉图像和视频的局部与全局特征。首先，利用GMM训练得到FV，然后通过PCA+Whitening处理特征，再用预训练的GMM进行编码。第一层FV处理视频子空间的iDT特征，而第二层FV进一步降维并聚合，形成最终的高表达力特征向量，用于行为识别。

 Stacked Fisher Vector是Xiaojiang Peng在“Action Recognition with Stacked Fisher Vectors”一文中提出的用于动作识别的算法。SFV与FV结合的方法达到了当时state-of-the-art的结果。

   上一篇介绍了Fisher Vectors的基本原理。FV的码书训练与编码过程为：

1.选择GMM中K的大小

1.用训练图片集中所有的特征（或其子集）来求解GMM（可以用EM方法），得到各个参数；

2.取待编码的一张图像，求得其特征集合；

3.用GMM的先验参数以及这张图像的特征集合求得其fishervector；

最低0.47元/天 解锁文章
文献阅读笔记——Action Recognition with Stacked Fisher Vectors
积沙成塔
09-11 2623
本文由Xiaojiang Peng发表在计算机视觉顶级国际会议ECCV2
iDT：使用增强轨迹的行为识别
CV技术指南（微信公众号）
12-28 577
Action Recognition with Improved Trajectories（2013） 本文是DT的升级版 主要贡献 1.提出一种去除相机运动产生的轨迹的方法 2.提出对人占屏比大的帧采用DPM进行行人检测，去除人的部分，再做相机运动估计。 （这两点都是用于对计算的轨迹进行优化，降低算法以外的因素带来的影响） 如图所示，第一排是两个连续帧叠加在一起，第二排是直接进行光流估计，第三排是去除了相机运动后的光流估计，第四排中白色的箭头是相机运动产生的trajecto...
Fisher vector学习笔记
carrierlxksuper的专栏
06-03 2万+
最近在看fisher vector的相关知识，fisher vector被广泛应用到了
人体行为识别与理解
04-27
人体行为识别与理解逐渐成为如图像分析、人机交互、视频检索以及智能监控等领域的基础保障，其广泛的应用前景以及潜在的社会、经济价值，已使其成为计算机视觉分析领域中备受关注的前沿方向。在各种人体行为识别方法中，基本特征都具有不可替代的作用，基于目前已有的研究成果，对基本特征进行改进，并选择合适的分类器进行分类识别。
动作识别：improved dense trajectories（iDT）特征编码—Fisher Vector代码学习
shanyicheng1111的博客
08-07 4276
论文”Action Recognition with Improved Trajectories”通过相机运动估计，使得提取的光流更加准确，以及ＦｉｓｈｅｒVector 编码，提升了Dense Trajectories的效果。iDT的代码可以点击此处下载，对iDT特征进行FV编码的代码可以在dtfv 下载。iDT代码的解析可以参考这篇论文　http://blog.youkuaiyun.com/wzmsltw/...
行为识别笔记：关于行为检测/识别问题的分类及研究进展的讨论
Will Lin的博客
10-01 1万+
近期在做在线动作识别的项目，阅读了不少文献，发现现有的方法基本都是离线的action recognition和action detection（离线指这些算法都是在处理切割好的视频片断）。而online action detection还没有很好的方法。以下给出我总结的动作检测/识别问题的分类及一些研究进展。 Action Recognition 目的：判断一个视频片断中某
视频行为识别检测综述 IDT TSN CNN-LSTM C3D CDC R-C3D
热门推荐
万有文的博客
06-20 14万+
本文github地址 Video Analysis之Action Recognition(行为识别) 行为识别就是对时域预先分割好的序列判定其所属行为动作的类型，即“读懂行为”。 [行为检测|论文解读]行为检测调研综述 较新 基于Deep Learning 的视频识别技术 科研成果—-中国科学院深圳先进技术研究院 面向人体姿态行为理解的深度学习方法 CVPR 2014 Tut...
Video Analysis相关领域介绍之Action Recognition(行为识别)
Will Lin的博客
04-19 2万+
这篇文章投稿在极视角公众号，微信链接 随着深度学习技术的发展，以及计算能力的进步（GPU等），现在基于视频的研究领域越来越受到重视。视频与图片最大的不同在于视频还包含了时序上的信息，此外需要的计算量通常也大很多。目前主要在做视频中动作定位相关的工作，为了开拓思路，读了不少视频分析相关领域的文章，所以打算写几篇博客，对视频分析相关的几个领域做一个简要的介绍。这篇主要介绍Action Recogniti
Stack和Vector
小汤圆
01-20 153
Stack和Vector
行为识别：让机器学会“察言观色”第一步
05-24 481
https://blog.youkuaiyun.com/heyc861221/article/details/80128180
Python-关于机器学习和行为识别的资料
08-11
关于机器学习和行为识别的资料
基于机器学习算法的摔倒检测和日常行为识别研究
11-30
本文使用三种已有的机器学习算法，针对可穿戴传感器采集用户日常行为数据，进行训练和测试等，涉及支持向量机、神经网络和隐藏马尔可夫模型等的研究
行为识别论文讲解I3D .ppt
05-22
论文讲解Quo Vadis, Action Recognition A New Model and the Kinetics Dataset
双流3D视频动作识别
12-18
3-D convolutional neural networks (3-D-convNets) have been very recently proposed for action recognition in videos, and promising results are achieved. However, existing 3- D-convNets has two “artificial” requirements that may reduce the quality of video analysis: 1) It requires a fixed-sized (e.g., 112×112) input video; and 2)most of the 3-D-convNets require a fixed-length input (i.e., video shots with fixed number of frames). To tackle these issues, we propose an end-to-end pipeline named Two-stream 3-D-convNet Fusion, which can recognize human actions in videos of arbitrary size and length using multiple features. Specifically, we decompose a video into spatial and temporal shots. By taking a sequence of shots as input, each stream is implemented using a spatial temporal pyramid pooling (STPP) convNet with a long short-term memory (LSTM) or CNN-E model, softmax scores of which are combined by a late fusion.We devise the STPP convNet to extract equal-dimensional descriptions for each variable-size shot, andwe adopt theLSTM/CNN-Emodel to learn a global description for the input video using these time-varying descriptions. With these advantages, our method should improve all 3-D CNN-based video analysis methods. We empirically evaluate our method for action recognition in videos and the experimental results show that our method outperforms the state-of-the-art methods (both 2-D and 3-D based) on three standard benchmark datasets (UCF101, HMDB51 and ACT datasets).
读论文 3D Point Cloud Classification using 3D Modified Fisher Vector Representation for CNN
shaozhenghan的博客
08-31 1223
3D Point Cloud Classification and Segmentation using 3D Modified Fisher Vector Representation for Convolutional Neural Networks   模型结构： 可见模型主要分为两部分，一部分是将输入点云变为 Fisher Vector 表达，另一部分是进行CNN处理 其中 I...
I3D【Inflated 3D ConvNet】——膨胀卷积网络用于行为识别
qq_44145094的博客
02-22 595
I3D
【EM+GMM】基于EM和GMM算法的目标轨迹跟踪和异常行为识别matlab仿真
FPGA/MATLAB学习教程/源码/项目合作开发
06-25 1488
基于EM和GMM算法的目标轨迹跟踪和异常行为识别matlab仿真 3.仿真结果 A10-19
IDT + FisherVector （by C++）我的实践
shanyicheng1111的博客
06-11 2206
准备写一系列总结, 总结过去一年，我在 Video Action Recognition 方向跑过的实验，写过（改过）的程序,算是对在新加坡这一年的交代。不悔梦归处，只恨太匆匆。以下代码在我的github:https://github.com/HuNiuC/iDT-FV-for-action-recognitonIDT + FisherVector编码1. IDT 特征提取IDT 的官方代码在这里...
论文-基于深度学习的视频中 人体动作识别技术的分析
nb_zsy的博客
04-08 4090
预备知识 1.什么是深度学习 深度学习是人工智能（AI）的子集，即 从广义上讲，它是AI的应用。因此我们必须先了解什么是AI以及他的核心目标。所谓AI就是使用计算机模仿人类行为的技术，其目标是AI是开发可处理能够为将来的决策提供信息的高效算法。 而对于计算机而言，无法像人类一样阅读书籍，进行研究或询问问题以学习，因此需要借助于大量的数据。尤其是对于一些复杂的问题而言，计算机利用其计算能力以及大量的数据进行分析，而这些数据是源源不断的，就比如说你要写一个程序他能识别是否是pissza饼子，你必须先经过无数张p
Flutter应用架构实践：Stacked包开发经验分享
在资源描述中提到的“压缩包子文件的文件名称列表: stacked-master”，这可能是指一个压缩文件的名称，其中包含了Stacked架构的源代码、文档、示例应用等资源。"stacked-master"可能意味着这是一个Git仓库的主分支，...
评论
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