文献

J-GLOBAL ID：201402235563972733   整理番号：14A0386189

Hidden Conditional Random Fieldsによる映像の構造解析に基づくシーン分割の高精度化に関する検討

A Note on Improving Video Scene Segmentation Performance Using Structure Analysis Based on Hidden Conditional Random Fields

著者 (3件)： 吉田壮 (北大 大学院情報科学研究科) ,  小川貴弘 (北大 大学院情報科学研究科) ,  長谷山美紀 (北大 大学院情報科学研究科)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 113  号： 434(IE2013 95-132)  ページ： 285-290  発行年： 2014年02月10日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本文では,Hidden Conditional Random Fields(HCRF)による映像の構造解析に基づくシーン分割の高精度化を試みる。映像には,各映像ジャンル毎に内容の出現パターンに特徴的な構造が存在する。提案手法では,このような映像に含まれる構造を,隠れ変数を持つ識別モデルであるHCRFを用いて表現する。具体的にはまず,映像のショット列から観測される特徴量に対してHCRFを適用し,ショットの状態遷移およびその位置関係の特性を学習する。次に,分析対象の映像が与えられた際に,学習したHCRFモデルから隠れ変数の事後確率を算出し,これを新たな特徴量として得る。このとき,ショット列の時系列パターンの特性を解析した結果として得られる隠れ変数に基づいた特徴量を定義することで,映像の構造情報を含む高次の特徴量の算出が可能になる。これにより,映像の特徴量を直接用いた場合に生じる精度の劣化を抑制したシーン分割が実現される。本文の最後では,実際に放映された映像を用いた実験を行い,提案手法の有効性を評価する。(著者抄録)

シソーラス用語： 映像 ,  構造解析 ,  *セグメンテーション ,  *分割 ,  改良 ,  確率モデル ,  特徴抽出 ,  認知モデル ,  情報 ,  事後確率 ,  *画像分析 ,  機械学習 ,  サポートベクトルマシン
準シソーラス用語： *シーン分割 ,  高精度化 ,  条件つき確率場 ,  特徴量 ,  認識モデル

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 映像 ,  構造解析 ,  シーン分割 ,  高精度化