کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4947016 1439560 2017 45 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Hierarchical modeling for first-person vision activity recognition
ترجمه فارسی عنوان
مدل سازی سلسله مراتبی برای شناسایی فعالیت بینایی اول شخص
کلمات کلیدی
به رسمیت شناختن فعالیت بینش اول شخص مدل سازی سلسله مراتبی، ویژگی های حرکتی، کدگذاری محدوده زمانی،
ترجمه چکیده
ما یک چارچوب چند لایه برای تشخیص فعالیت های خودمحور از یک دوربین پوشیدنی ارائه می دهیم. ما فعالیت های مورد علاقه را به عنوان سلسله مراتب مبتنی بر گروه های پایین در سطح مدل مدل می کنیم. این گروههای ویژگی کدبندی بزرگی حرکت، جهت و تنوع توصیفگرای ظاهر درون فریم هستند. سپس از روابط زمانی بین فعالیت ها برای استخراج ویژگی سطح بالا که تجمع می یابد و وزن اطلاعات گذشته را مورد بهره برداری قرار می دهیم. در نهایت، ما یک نمره اعتماد به نفس را به طور موقت تصویب تصمیم طبقه بندی. نتایج حاصل از چندین مجموعه داده های عمومی نشان می دهد که چارچوب پیشنهادی پیشرفته ترین روش ها را بهبود می بخشد، مثلا با حداقل 11٪ بهبود در دقت و فراخوانی در یک مجموعه داده های عمومی 15 ساعته با فعالیت های 6 نفره ایده آل.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
مدل سازی سلسله مراتبی برای شناسایی فعالیت بینایی اول شخص
چکیده انگلیسی
We propose a multi-layer framework to recognize ego-centric activities from a wearable camera. We model the activities of interest as hierarchy based on low-level feature groups. These feature groups encode motion magnitude, direction and variation of intra-frame appearance descriptors. Then we exploit the temporal relationships among activities to extract a high-level feature that accumulates and weights past information. Finally, we define a confidence score to temporally smooth the classification decision. The results across multiple public datasets show that the proposed framework outperforms state-of-the-art approaches, e.g., with at least 11% improvement in precision and recall on a 15-h public dataset with six ego-centric activities.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 267, 6 December 2017, Pages 362-377
نویسندگان
, ,