Oct, 2015

增强词袋模型：基于数据驱动的发现动作识别中的时间和结构信息

PDF
TL;DR本文提供了基于数据驱动技术的 Bag of Words 模型技术来识别复杂长期活动的方法，成功运用于四个数据集中，具有很强的模式识别能力及异常检测能力，并提出使用随机采样正则表达式来发现和编码这些活动中的模式。
data-driven techniquescomplex long-term activitiesbag of words modelstemporal and causal informationanomaly detection
发现论文，激发创造
  • 可扩展实例搜索的局部卷积特征包

    本文提出了一个基于卷积神经网络的局部特征编码和基于词袋模型的实例检索方法，该方法将每个卷积层中的局部激活函数数组映射到可视化词汇中，从而实现了空间重新排序和检索的目的，并在 Oxford 和 Paris buildings benchmarks 中取得了具有竞争力的性能表现。

    Apr, 2016

  • Action2Activity: 从传感器数据识别复杂活动

    本文提出了一种新的方法，该方法包括临时模式挖掘和自适应多任务学习，用于实现复杂活动识别，实验证明其有效性。

    Nov, 2016

  • 通过采样局部外观和全局分布实现强大的三维动作识别

    本文针对噪声深度数据难以捕捉运动和形状线索的现状，提出了一种新颖的两层 “视觉词袋”（BoVW）模型。该模型通过背景建模和引入运动和形状线索生成稳健和独特的时空兴趣点，利用多尺度 3D 局部方向核 (M3DLSK) 描述算法和空间 - 时间向量 (STV) 描述算法，提出融合运动和形状线索的行动表示。实验验证了该模型在识别类似动作和抵抗背景杂波、部分遮挡和掩蔽噪声等情况中的有效性。

    Dec, 2017

  • 针对动作识别的词袋等效递归神经网络

    本文提出了一种等价于传统词袋方法的循环神经网络，但可以进行判别式训练，并允许将核计算直接整合到神经网络中，从而解决了复杂性问题；在四个最新的行动识别基准测试上进行了验证，结果表明传统模型以及稀疏编码方法都被超越。

    Mar, 2017

  • 从视频中进行全局连续和非马尔可夫活动分析

    使用非监督学习方法，结合非参数贝叶斯方法和全局连续的时间建模，发现视频数据中的活动模式并检测异常，此方法比现有的方法更加完善和精确。

    Oct, 2018

  • LLMs 游戏：利用大型语言模型发现活动中的结构构建

    智能家居中的人体活动识别是一个时间序列分析问题，我们提出了利用大型语言模型识别这些活动的结构构建块，并开发了一种活动识别流程，以此帮助智能家居中的活动监测任务。

    Jun, 2024

  • 人类活动识别的注意力模型

    本文提出了一种基于注意力模型的数据驱动人体行为识别的方法，通过学习权重来对待处理的传感器读数进行建模，并在基准数据集上实现了显著的性能提升。

    May, 2018

  • 知识图谱嵌入的快速线性模型

    本文表明，基于词袋 (BoW) 的简单基线学习到出人意料的知识图谱嵌入。通过将知识库补全和问题回答转化为监督分类问题，我们观察到建模实体和关系的共现可以在几分钟的培训时间内获得最先进的性能，使用开源库 fastText。

    Oct, 2017

  • 动作识别中的视觉词袋和融合方法：全面研究和最佳实践

    本研究对 Bag of Visual Words 模型（BoVW）中的五个步骤以及特征融合方法做了全面的研究，探讨了不同的局部特征提取和编码对行为识别的影响，并且基于不同 BoVW 框架和本地描述符的互补性，提出了一个简单而有效的表示方法，被称为混合表示，用于进行行为识别，使得识别率达到了 state-of-the-art。

    May, 2014

  • 带有时间边界不确定性的视频活动定位

    本文提出 Elastic Moment Bounding (EMB) 和 guided attention 机制，解决了视频活动定位训练时时间标注的不确定性问题，提高了在自然视频中的准确性和鲁棒性。

    Jun, 2022