您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201712-84
论文题目 一种基于CNN特征的域适应Egocentric视频有意义帧提取算法
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

一种基于CNN特征的域适应Egocentric视频有意义帧提取算法

首发时间:2017-12-06

田贺英 1    2   

田贺英(1993-),女,主要研究方向:机器学习、图像处理、深度学习、计算机视觉

尹辉 1    2   

尹辉(1972-),女,教授、博士生导师,主要研究方向:计算机视觉、机器学习、智能信息处理

杨林 1    2   

杨林(1993-),男,主要研究方向:深度学习、图像处理、计算机视觉

欧伟奇 1    2   

欧伟奇(1992-),男,主要研究方向:机器学习、图像处理、计算机视觉。

  • 1、北京交通大学计算机与信息技术学院,北京 100044
  • 2、北京交通大学交通数据分析与挖掘北京市重点实验室,北京 100044

摘要: Egocentric视频数据量大且信息冗余度高,有意义帧的提取对于Egocentric视频的分析和理解具有重要的意义。本文提出一种基于CNN特征的域适应Egocentric视频有意义帧提取算法,该算法避免了构建Egocentric视频人工标注训练数据的巨大工作量,以已标注有意义帧的固定视角视频数据为源样本,分别提取基于CNN的源域和目标域(Egocentric视频)特征空间,构建连接源域和目标域的域不变特征空间,采用基于测地线流内核的方法计算源样本和目标样本的相似度,根据相似度度量提取Egocentric视频中的有意义帧。通过在UT Egocentric数据集上的对比实验,本文算法较Web Prior + DA等算法提升了至少4个百分点,验证了本文提出算法的有效性。

关键词: Egocentric视频 卷积神经网络 特征选择 域适应 有意义帧

For information in English, please click here

A domain-adapted algorithm for detecting meaningful frames in Egocentric video based on CNN feature

TIAN Heying 1    2   

田贺英(1993-),女,主要研究方向:机器学习、图像处理、深度学习、计算机视觉

YIN Hui 1    2   

尹辉(1972-),女,教授、博士生导师,主要研究方向:计算机视觉、机器学习、智能信息处理

YANG Lin 1    2   

杨林(1993-),男,主要研究方向:深度学习、图像处理、计算机视觉

OU Weiqi 1    2   

欧伟奇(1992-),男,主要研究方向:机器学习、图像处理、计算机视觉。

  • 1、Computer and Information Technology School,Beijing JiaoTong University,Beijing 100044
  • 2、Beijing Key Lab of Traffic Data Analysis and Mining,Beijing JiaoTong University,Beijing 100044

Abstract:Egocentric video is characterized by large amounts of data, containing too much redundant data, so the extraction of meaningful frames is of great significance to the analysis and understanding of Egocentric video. This paper proposed a domain-adapted algorithm for detecting meaningful frames in Egocentric video based on CNN feature. The algorithm uses fixed view video data which has been labeA domain-adapted algorithm for detecting meaningful frames in Egocentric video based on CNN featureled with meaningful frame as source domain, extracting the feature space of the source domain and the target domain(Egocentric video) based on CNN feature separately, which avoids the tremendous workload of building Egocentric video annotation training data, and then construct the domain invariant feature space connecting the source and target domains. The similarity between the source domain and the target domain is calculated in the domain invariant feature space. Finally, we predict meaningful frames in Egocentric video based on similarity measures. Using 17 hours UT Egocentric video, our algorithm has improved by at least 4% over algorithms such as Web Prior + DA ,which validates the effectiveness of our approach over other methods.

Keywords: egocentric video Convolution Neural Network (CNN) feature extraction domain-adapted meaningful frames

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
田贺英,尹辉,杨林,等. 一种基于CNN特征的域适应Egocentric视频有意义帧提取算法[EB/OL]. 北京:中国科技论文在线 [2017-12-06]. http://www.paper.edu.cn/releasepaper/content/201712-84.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

一种基于CNN特征的域适应Egocentric视频有意义帧提取算法