基于局部保持典型相关分析的零样本动作识别

《基于局部保持典型相关分析的零样本动作识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于局部保持典型相关分析的零样本动作识别ZeroShotActionRecognitionwithLocalPreservingCanonicalCorrelationAnalysis工程领域：电子与通信工程作者姓名：郭威辰指导教师：冀中副教授企业导师：董国军高级工程师天津大学国际工程师学院二零一七年五月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材

2、料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日摘要从视频中自动识别出动作的类别是视频理解中非常重要

3、的部分。大多数现有的方法专注于设计更加有辨别力的特征表述，而且在样本充足的条件下已经取得了良好的结果。然而，对如何在样本数目少甚至缺失的条件下识别新的动作类别这一问题关注的还较少。在实际情况中，我们无法列举出所有的动作类别，同时受制于人力和物力，在某些情况下我们无法收集、标注足够多的样本用于训练一个良好的模型。除此之外，现有的方法都只能识别预先设定好的动作类别，当面对未知类别时，其无法做出正确的预测而是把未知类别的测试样本归为已知类别中的一种，并且当需要识别新的类别时，整个模型需要重新训练。零样本学习是针对传统机器学习收集和

4、标注数据日益困难而提出的一种新思路。针对基于零样本学习的动作识别问题，本文提出了一种基于局部保持典型相关分析映射的方法。该方法使用流形约束的典型相关分析将视觉特征和辅助特征映射到一个公共特征空间，并且在映射过程中保留了视觉特征和辅助特征的局部信息，还考虑了域转换所带来的不利影响，同时采用了自训练和hubness修正等方法增强了所提方法的鲁棒性。通过在主流的HMDB51和UCF101数据集上的大量实验，表明所提方法在所测试的数据集上具有较好的零样本学习性能。关键词：零样本学习，动作识别，典型相关分析，局部保持IABSTRACT

5、Automaticallyrecognizingalargenumberofactioncategoriesfromvideosisofsignificantimportanceforvideounderstanding.Mostexistingworksfocusedonthedesignofmorediscriminativefeaturerepresentation,andhaveachievedpromisingresultswhenthepositivesamplesareenough.However,veryli

6、mitedeffortswerespentonrecognizinganovelactionwithoutanypositiveexemplars,whichisoftenthecaseintherealsettingsduetothelargeamountofactionclasses.Inpractice,notalltheactioncategoriescanbeenumeratedandduotothelimitationofhumanandmaterialresources,insomecases,asuffici

7、entnumberofsamplestotrainagoodmodelcannotbecollectedandlabeled.Inaddition,theexistingmethodscanonlyrecognizethepre-setactioncategory,whenfacedwithanunknowncategorysample,theycannotmakethecorrectpredictionwhileclassifyingtheunknownsampleofasaknowncategory.Andwhenane

8、wcategoryneedstoberecognized,theentiremodelshouldberetrained.Zeroshotlearningisanattractiveapproachaimingathandlingthedifficultyofcollectingeverm