这是期刊论文的版本，不是会议论文的版本。看了论文之后，只能说，太TM聪明了。膜拜 视频的表示方法有很多，一般是把它看作帧的序列。论文提出一种新的方法去表示视频，用ranking function的参数编码视频的帧序列。它使用一个排序函数 ranking function 主要基于这样的假设：帧的appearance的变化与时间相关，如果帧vt 在vt后面，则定义 此外，假设同一动作的视频帧序列，学 ...
2016-08-10 10:15 0 2928 推荐指数：
论文的重点在于后面approximation部分。 在《Rank Pooling》的论文中提到，可以通过训练RankSVM获得参数向量d，来作为视频帧序列的representation。而在dynamic论文中发现，这样的参数向量d，事实上与image是同等大小的，也就是说，它本身是一张 ...
论文的三个贡献 （1）提出了two-stream结构的CNN，由空间和时间两个维度的网络组成。 （2）使用多帧的密集光流场作为训练输入，可以提取动作的信息。 （3）利用了多任务训练的方法把两个数据集联合起来。 Two stream结构 视屏可以分成空间与时间两个部分，空间部分指独立 ...
论文的关注点在于如何提高bounding box的定位，使用的是概率的预测形式，模型的基础是region proposal。论文提出一个locNet的深度网络，不在依赖于回归方程。论文中提到locnet可以很容易与现有的detection系统结合，但我困惑的是（1）它们的训练的方法，这点论文 ...
最近把以前的几篇关于Low-rank的文章重新看了一遍，由于之前的一些积累，重新看一遍感觉收获颇多。写这篇博文的时候也参考了一些网上的博客，其中数这篇博文最为经典http://blog.csdn.net/abcjennifer/article/details/8572994 ...
“Two-Stream Convolutional Networks for Action Recognition in Videos”（2014NIPS） Two Stream方法最初在这篇文章中被提出，基本原理为对视频序列中每两帧计算密集光流，得到密集光流的序列（即temporal信息 ...
1.Action Recognition Using Local Visual Descriptors and Inertial Data (pdf)[https://link.springer.com/chapter/10.1007/978-3-030-34255-5_9] 使用视觉和惯性 ...
初次接触Captioning的问题，第一印象就是Andrej Karpathy好聪明。主要从他的两篇文章开始入门，《Deep Fragment Embeddings for Bidirectional ...
在这篇论文中，作者提出了一种更加通用的池化框架，以核函数的形式捕捉特征之间的高阶信息。同时也证明了使用无参数化的紧致清晰特征映射，以指定阶形式逼近核函数，例如高斯核函数。本文提出的核函数池化可以和CNN网络联合优化。 Network Structure Overview Kernel ...
