少量训练数据进行单张图片的事件检测

---

title： Complex Event Recognition from Images with Few Training Examples
tag： PaperReading

---

本主要贡献：

1.从网络数据发现concept相关的概念，删除某些杂乱的概念
2.一个concept-based的图片表示方法
3. RED数据集 包含稀少的事件，21个种类，7000张图片，更有挑战性。

Approaches

3.1. Event Concept Discovery

为图片生成一个简短的表示

• 从维基上挑选150 generic social events
  每个events从flicker上挑选200张图片 收集这些图片的tag ，tag的分割

• 通过谷歌的数据集，为每个event选择20个最近的neighbor

• 将谷歌和flicker的segments结合

最终有856个event concepts,Concept不仅包含物体，场景和动作，也包含下属的events和他们的类型

3.2. Training Concept Classifiers

比起直接用深度CNN feature把图片分到对应的events类中用有限的训练数据，我们的方法要好。

3.3. Predicting Concept Scores for Classification

总体的准确率要高

不了解的概念

训练方法较传统方法有何区别？
One shot learning？
word2vec space？
Unseen event catogories ？

[文章链接arxiv编号1701.04769]（https://arxiv.org/pdf/1701.04769.pdf）