Attention-guided object and action recognition based on probabilistic learning and feature boosting for understanding human-object interaction

基于概率学习和特征增强的注意力引导对象和动作识别，用于理解人与对象的交互

• 批准号: 23500188
• 负责人: ATSUMI Masayasu
• 金额: $ 3.41万
• 依托单位: Soka University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2011
• 资助国家: 日本
• 起止时间: 2011 至 2013
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-23500188/
• 关键词: 注意; 確率的学習; ブースティング; 物体認識; アクション認識; コンテキスト; 意味ネットワーク; 確率的推論; 人工知能; 機械学習; パターン認識; カテゴリゼーション; コンピュータビジョン; 選択的注意; 知能ロボティクス

This research proposed probabilistic methods of attention-guided object recognition and object-oriented action recognition for understanding human-object interaction. In the proposed methods, attention-guided object recognition is performed in the context of co-occurring objects by using a classification tree which is learned based on the probabilistic latent component tree analysis and feature boosting. Also object-oriented action recognition is performed in the mutual contexts of objects and actions by using a probabilistic semantic network of visual motion classes and their semantic tags which is learned based on the incremental probabilistic latent component analysis. It was shown that the proposed method achieved high recognition accuracy through experiments using image data sets of plural object categories and also a set of video clips of object-oriented actions captured by a Kinect sensor mounted on a robot.

本研究提出了注意力引导对象识别和面向对象动作识别的概率方法，以理解人与对象的交互。在所提出的方法中，通过使用基于概率潜在成分树分析和特征增强学习的分类树，在共现对象的上下文中执行注意力引导的对象识别。此外，通过使用基于增量概率潜在成分分析学习的视觉运动类及其语义标签的概率语义网络，在对象和动作的相互上下文中执行面向对象的动作识别。通过使用多个对象类别的图像数据集以及安装在机器人上的 Kinect 传感器捕获的一组面向对象动作的视频片段进行实验，结果表明，该方法实现了较高的识别精度。

项目成果

Visual Category Learning based on Probabilistic Latent Component Models with Semi-supervised Labeling

基于半监督标记概率潜在成分模型的视觉类别学习

• 发表时间: 2011
• 作者: Masayasu Atsumi

物体指向動作の心象と表象の確率的カテゴリゼーション

心理图像的概率分类和面向对象的行为的表示

• 发表时间: 2014
• 作者: 渥美雅保

Visual Category Learning based on Probabilistic Latent Component Models with Semi-supervised Labeling

基于半监督标记概率潜在成分模型的视觉类别学习

• 发表时间: 2011
• 作者: Masayasu Atsumi

Visual Category Learning based on Probabilistic Latent Component Models with Semi-supervised Labeling

基于半监督标记概率潜在成分模型的视觉类别学习

• 发表时间: 2011
• 作者: Masayasu Atsumi

Learning Visual Categories based on Probabilistic Latent Component Models with Semi-supervised Labeling

基于半监督标记的概率潜在成分模型学习视觉类别

• 发表时间: 2012
• 作者: Masayasu Atsumi