zoukankan      html  css  js  c++  java
  • ChaLearn Gesture Challenge_4:one shot learning比赛结果简单分析

      关于ChaLearn数据库在前面文章ChaLearn Gesture Challenge_1:CGD数据库简单介绍中已经介绍过,当然了,关于该数据库的挑战赛在2012年主办了2场,其比赛结果依次分别在CCPRW2012和ICPRW2012中公布。这2轮比赛过程中官网http://gesture.chalearn.org/中都有对参加比赛的队伍所使用的方法等从感性上做了个调查,并且公布了其调查报告。从这些报告中我们可以参考到做手势识别的大概流程,每个流程中常见的方法是什么,我想这点对初步进入该领域的人来说应该有很大的启发作用。下面就官网发布的第二轮比赛调查Method survey文章来简单分析下。

      从文章中可以看出识别过程主要分为2大部分:预处理及数据表达、识别。

      其中预处理及数据表达又可以细分为很多,比如说图像增强和滤波,这有时候也是需要的,因为识别的视频数据中有不少噪声。文章对比赛获得前8名的方法分析了下,其结果如下:

       

      其中的方法也有不少,比如说去噪,均衡白化,对比度增强,频域变化,背景消除等。特征提取各队伍使用的方法分布如下:

       

      其中包括了常见的HOG/HOF描述等。

      当然了,特征最终提取出来还是要经过维数约简的,如下:

       

      在识别过程中,有可能会使用到时间分割,如下:

       

      很多分割方法和识别是结合在一起的。

      当然了,识别过程中比较重要的是手势的表达,这些队伍使用的方法如下:

       

      其中基于可变长度的向量表示最多。

      在分类时的相似度测量,使用的方法分布如下:

       

      最后面就是使用的分类器了,如下所示:

       

      可以看出在这些队伍中,用得最多的分类器是最近邻。

      现在总结下手势识别系统的大概流程可以如下(当然了,并不是每个步骤都需要的):

      去噪预处理——》时间分割——》特征提取——》维数约简——》特征表示——》分类器设计(可能用到相似度测量).

      参考资料:

         http://gesture.chalearn.org/

          Method survey

         ChaLearn Gesture Challenge_1:CGD数据库简单介绍

  • 相关阅读:
    什么是IO多路复用
    Coursera, Machine Learning, Unsupervised Learning, K-means, Dimentionality Reduction
    Coursera, Machine Learning, SVM
    ShareSDK
    iOS JS和OC交互
    iOS KVO 常见错误
    第三方框架之SDWebImage
    单例存储账号
    UIRefreshControl
    二维码扫描
  • 原文地址:https://www.cnblogs.com/tornadomeet/p/2933358.html
Copyright © 2011-2022 走看看