Video Pooling

 

Video pooling computes video representation over the whole video by pooling all the descriptors from all the frames in a video.

 

在基于多个独立帧和局部时间描述子的视频表示中,常常需要把视频的所有帧的描述子进行pooling来表示整个视频。

Video Pooling的idea是encoding局部描述子,实现的手段是:使用Fisher向量,或者VLAD(Locally Aggregated Descriptors),或者BoW,来encoding局部描述子例如DenseSift,HoF,HoG,MBH等。通常认为FV/VLAD比BoW要好。

也可以使用FV/VLAD来encoding有CNN得到的局部时间(帧)特征。

 

你可能感兴趣的:(video)