人間の行動認識のための最大マージン隠れ条件付きランダムフィールド

構造化された潜在変数による分類の新しい手法を提示します。私たちのモデルは、識別学習文献における最大マージン形式を用いて定式化されています。カッティングプレーン法と分解された二重最適化に基づく効率的な学習アルゴリズムを提案します。私たちのモデルを、ビデオシーケンスから人間の行動を認識する問題に適用します。ここでは、人間の行動をグローバルなルートテンプレートといくつかの「部分」の星座としてモデル化します。私たちのモデルは隠れ条件付きランダムフィールドを使用する他の類似の手法よりも優れており、他の最先端のアプローチと同等であることを示します。さらに重要なことに、提案する作業は非常に一般的であり、さまざまな複雑で相互依存する潜在構造を含む広範な視覚問題に応用できる可能性があります。