• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>SPIE Conference on Multispectral Image Processing and Pattern Recognition >Deep Visual-semantic for Crowded Video Understanding
【24h】

Deep Visual-semantic for Crowded Video Understanding

机译：深度视觉语义为拥挤的视频理解

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Visual-semantic features play a vital role for crowded video understanding. Convolutional Neural Networks (CNNs) have experienced a significant breakthrough in learning representations from images. However, the learning of visual-semantic features, and how it can be effectively extracted for video analysis, still remains a challenging task. In this study, we propose a novel visual-semantic method to capture both appearance and dynamic representations. In particular, we propose a spatial context method, based on the fractional Fisher vector (FV) encoding on CNN features, which can be regarded as our main contribution. In addition, to capture temporal context information, we also applied fractional encoding method on dynamic images. Experimental results on the WWW crowed video dataset demonstrate that the proposed method outperform the state of the art.
机译：视觉语义特征对于拥挤的视频理解起着至关重要的作用。卷积神经网络（CNNS）在图像的学习表示中经历了重大突破。然而，学习视觉语义特征，以及如何有效地提取视频分析，仍然是一个具有挑战性的任务。在这项研究中，我们提出了一种新的视觉语义方法来捕获外观和动态表示。特别地，我们提出了一种基于CNN特征上的分数Fisher向量（FV）的空间上下文方法，这可以被视为我们的主要贡献。另外，为了捕获时间上下文信息，我们还在动态图像上应用了分数编码方法。 WWW拥挤的视频数据集上的实验结果表明，所提出的方法优于现有技术。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号