基于骨架的动作识别与有限的训练样本的信息样本选择模型
概括
本研究引入了一种新的马尔科夫决策过程 (MDP) 方法,用于半监督的3D动作识别. 通过智能地选择信息骨序列,它可以提高模型准确性,使用有限的标记数据.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 人工智能的人工智能
背景情况:
- 基于骨架的人类行动识别将骨架数据分类为行动类别.
- 半监督的3D动作识别解决了有限的注释骨序列的挑战.
- 积极学习已被用来选择信息样本用于这个领域的注释.
研究的目的:
- 通过开发更有效的积极学习策略,提高半监督的3D行动识别.
- 解决代表性样本在模型培训中并不总是最有信息性的局限性.
- 将问题重新构成为用于智能样本选择的马尔科夫决策过程 (MDP).
主要方法:
- 该研究将通过积极学习的半监督3D动作识别作为马尔科夫决策过程 (MDP).
- 在MDP框架内训练了一种信息型样本选择模型.
- 欧几里得空间因子被投射到超标空间以增强表示能力.
- 为了更快地在现实世界中部署,引入了一个元调整策略.
主要成果:
- 提出的基于MDP的积极学习方法有效地指导了对标注的骨架序列的选择.
- 三个基准的实验证明了该方法在提高3D动作识别精度方面的有效性.
- 这种方法增强了模型从有限的标记数据中学习的能力.
结论:
- 新的MDP配方提供了一种更智能的方式来选择信息样本,用于半监督的3D动作识别.
- 投射到超标空间并使用元调节进一步提高了性能和适用性.
- 这项工作在有效和准确的3D动作识别方面取得了重大进展,注释有限.
相关概念视频
01:12Carbon Skeletons
113.8K
Life on Earth is carbon-based, as all macromolecules that make up living organisms contain carbon atoms. All organic compounds have a carbon backbone. Each carbon atom is tetravalent and can bond with four other atoms, making it an extraordinarily flexible component of biological molecules. Because carbon’s valence electrons are stable, it rarely becomes an ion. As the carbon chain increases in length, structural modifications such as ring structures, double bonds, and branching side...
113.8K
01:18Classification of Bones
9.5K
The bones of the human skeletal system are of varied shapes, sizes, and functions. They can be classified based on their shape and function into four major classes: long bones, short bones, flat bones, and irregular bones. Some classifications include a fifth type, the sesamoid bones, as a separate class, whereas others categorize them under short bones.
Long and Short Bones
The appendicular skeleton, particularly the upper and lower limbs, is primarily made of long and short bones. The...
Long and Short Bones
The appendicular skeleton, particularly the upper and lower limbs, is primarily made of long and short bones. The...
9.5K