2015-CVPR-Deeply Learned Attributes for Crowed Scene Understanding

论文的链接：http://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Shao_Deeply_Learned_Attributes_2015_CVPR_paper.pdf

 这篇文章是通过 Attribute对Crowd Scene的Video进行理解, 并利用CNN学习描述属性的特征。

文章的主要贡献：

1. 构建一个新的大规模WWW Crowd的数据集（8257个场景，10000个视频）， 并定于了94种属性

2. 构建CNN模型学习Deep Features

属性的定义

属性主要是基于三个方面： Where， Who， Why

CNN模型

Motion是 根据2014-CVPR-Scene-independent group profiling in crowd这篇论文计算得到。

实验

从结果中大概可以得到Appearance的准确率比Motion要高，两者结合其实影响不大。

2015-CVPR-Deeply Learned Attributes for Crowed Scene Understanding

原文：http://www.cnblogs.com/ZhimingLuo/p/4963715.html