《表1 各算法的准确率比较》
%
同时,又对目前优秀的视频语义概念检测分类方法在UCF11数据集上的实验结果进行比较。文献[23]采用多特征的早期和晚期融合,并且结合场景上下文去处理视频样本,检测分类准确率达到了73.20%;文献[24]采用将光流场和哈里斯三维角探测器相结合的方法来获得一种新的视频序列的时空估计,然后从估计动作区域中提取局部特征,最后利用SVM进行检测,检测分类准确率达到了76.06%;文献[25]研究了基于多通道的时空兴趣点的视频语义概念问题,检测分类准确率达到了78.6%;本文方法检测的准确率分别比文献[23]、文献[24]和文献[25]方法提高了10.28个百分点、7.42个百分点和4.88个百分点。这说明采用伪标签置信选择的半监督集成分类器迭代训练的多分类器集成的检测分类方法能更合理融合多分类器协同检测分类,有效提高视频语义概念检测准确率。
图表编号 | XD0090226400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.10 |
作者 | 尹玉、詹永照、姜震 |
绘制单位 | 江苏大学计算机科学与通信工程学院、江苏大学计算机科学与通信工程学院、江苏大学计算机科学与通信工程学院 |
更多格式 | 高清、无水印(增值服务) |