...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Multimedia, IEEE Transactions on >Sports Video Mining via Multichannel Segmental Hidden Markov Models
【24h】

Sports Video Mining via Multichannel Segmental Hidden Markov Models

机译：通过多通道分段隐马尔可夫模型进行体育视频挖掘

获取原文
获取原文并翻译 | 示例
   

获取外文期刊封面封底 >>

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

摘要

We study sports video mining as a machine learning and statistical inference problem. We focus on mid-level semantic structures that can serve as building blocks for high-level semantic analysis. Particularly, we are interested in how to infer multiple coexistent structures jointly. We present a new multichannel segmental hidden Markov model (MCSHMM) that is a unique probabilistic graphical model with two advantages. One is the integration of both hierarchical and parallel dynamic structures that offers more flexibility and capacity of capturing the interaction between multiple Markov chains. The other is the incorporation of the segmental HMM (SHMM) to deal with variable-length observations. In addition, we develop a maximum a posteriori (MAP) estimator to optimize the model structure and parameters simultaneously. The proposed MCSHMM is used for American football video analysis. The experiment result shows that the MCSHMM outperforms existing HMMs and has potential to be extended for other video mining tasks.
机译：我们将体育视频挖掘作为机器学习和统计推断问题进行研究。我们专注于可以用作高级语义分析的构建块的中级语义结构。特别是，我们对如何共同推断多个共存结构感兴趣。我们提出了一种新的多通道分段隐马尔可夫模型（MCSHMM），它是具有两个优点的独特概率图形模型。一种是层次结构和并行动态结构的集成，它提供了更大的灵活性和捕获多个马尔可夫链之间相互作用的能力。另一个是结合分段HMM（SHMM）来处理变长观测。此外，我们开发了最大后验（MAP）估计器，以同时优化模型结构和参数。拟议的MCSHMM用于美式橄榄球视频分析。实验结果表明，MCSHMM的性能优于现有的HMM，并且具有扩展到其他视频挖掘任务的潜力。

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