一种基于深度度量学习的视频分类方法

作     者：智洪欣 于洪涛 李邵梅 高超 王艳川 ZHI Hongxin, YU Hongtao, LI Shaomei ,GAO Chao, WANG Yanchuan

作者机构：国家数字交换系统工程技术研究中心郑州450002 

出 版 物：《电子与信息学报》 (Journal of Electronics & Information Technology)

年 卷 期：2018年第40卷第11期

页      面：2562-2569页

核心收录：

学科分类：0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金青年科学基金(61601513)~~ 

主　　题：视频分类 深度学习 自适应间隔 深度度量学习 多任务学习 

摘      要：针对视频分类中普遍面临的类内离散度和类间相似性较大而制约分类性能的问题,该文提出一种基于深度度量学习的视频分类方法。该方法设计了一种深度网络,网络包含特征学习、基于深度度量学习的相似性度量,以及分类3个部分。其中相似性度量的工作原理为:首先,计算特征间的欧式距离作为样本之间的语义距离;其次,设计一个间隔分配函数,根据语义距离动态分配语义间隔;最后,根据样本语义间隔计算误差并反向传播,使网络能够学习到样本间语义距离的差异,自动聚焦于难分样本,以充分学习难分样本的特征。该网络在训练过程中采用多任务学习的方法,同时学习相似性度量和分类任务,以达到整体最优。在UCF101和HMDB51上的实验结果表明,与已有方法相比,提出的方法能有效提高视频分类精度。