Prototypes: Exemplar based video representation

Videolardan hareketlerin tanımlanması yaygın olarak çalışılan bir problemdir ve yıllar boyunca önerilen birçok çözüm olmuştur. Sınıflandırma için gerekli olan eğitim verisini etiketleme, bu yöntemlerin ölçeklenebilirliği için önemli bir sorun olmuştur. Diğer taraftan, videoların gürültülü içeriği nedeniyle çok sayıdaki zayıf etiketli web verilerinin kullanımı bir sorun olmaya devam etmektedir. Bu çalışmada, koleksiyonu budama yoluyla ilgisiz videoların elenmesi ve en temsilci elemanların keşfedilmesi problemlerini ele almaktayız. Görüntü sınıflandırma için ayrıştırıcı parçaları keşfeden yöntemlerin başarısından esinlenerek, seçilen ayırt edici örnekleri temel alan yeni bir yöntem öneriyoruz. Her hareket sınıfından o sınıf için tanımlayıcı olacak şekilde ayrı ayrı seçilen bu ayrıştırıcı örneklere "prototipler" demekteyiz. Sonrasında, bu prototipleri tüm veri kümesini betimlemede kullanmaktayız. Geleneksel sınıflandırma yöntemlerini izleyerek ve mevcut olan en güncel alt ve derin düzeydeki öznitelikleri kullanarak, en basit seçim ve tanımlama yöntemleriyle bile, prototip kullanımının hareket tanıma performansını arttırabileceğini gösteriyoruz. Ayrıca, eğitme verilerinin sadece seçilmiş prototiplere azaltılmasıyla, daha az sayıdaki dikkatle seçilmiş örneklerin, daha büyük sayıdaki eğitme verilerinin performansına ulaşabileceğini gösteriyoruz. Prototiplere ek olarak, hareket tanımlamada ilgisiz veri elemesinin etkisini araştırıyoruz ve en güncel çalışmalardan daha iyi veya kıyaslanabilir olan deneysel sonuçları, kriter olarak görülen UCF-101 ve ActivityNet video veri kümeleri üzerinden veriyoruz.