ActionVLAD算法详解
文章地址:https://rohitgirdhar.github.io/ActionVLAD/
代码地址:https://github.com/rohitgirdhar/ActionVLAD/
该文章由CMU、Adobe、法国国立计算机及自动化研究院联合提出,被CVPR2017收录。
该文章的创新点在于将vlad使用到动作分类任务上,而该文章中使用的VLAD是由文章《NetVLAD: CNN architecture for weakly supervised place recognition》提出(该文章发表在CVPR2016上)的可训练VLAD层基础上的扩展。所以下面先来介绍一下VLAD。
一、传统的VLAD
假设现在有特征维度为,其中N表示特征的个数,D表示一个特征的维度。
VLAD的计算流程如下:
- 对全部的特征进行K-means聚类,获得K个聚类中心,记为
- 通过以下公式,将的特征转为shape为的特征,公式如下:
公式中表示第i个局部特征,表示第k个聚类中心,和都是D为向量。表示符号函数,如果不属于聚类中心,;如果属于聚类中心,。
从上式中,可以看出最终的特征是所有原始特征与聚类中心的差值,可以理解为是去除了特征本身的特征分布差异,只保留了局部特征与聚类中心的分布差异。
二、NetVLAD层
由上面所说,VLAD里面存在符号函数所以为了能将VLAD融入网络的训练中,需要将公式中的符号函数从hard assignment改为soft assignment,公式如下:
将上面公式展开,可以将分子分母的抵消,得到下面公式:
其中,,
所以NetVLAD用公式表示如下:
说明:NetVLAD中的符号同传统的VLAD
三、ActionVLAD
ActionVLAD用公式可以表示如下:
上式中T表示总帧数,。N表示每帧图片提取出的特征数量空间维度(例如,一张图片经过网络后空间大小为,那么N=625),。
从ActionVLAD的公式可以很明显的看出是NetVLAD在时序上的扩展。
四、ActionVLAD网络
ActionVLAD网络如下图所示:
7.png
从上图可以看出:
- action vlad网络采用1了rgb和光流两种流
- actionvlad层可以很自然的作为一层融入到网络中去
到这里ActionVLAD网络原理基本介绍完毕,对于ActionVLAD层应该放在哪个位置,具体效果如何,可以看文章的一些消融实验。