文献

J-GLOBAL ID：201702274159873081   整理番号：17A0456762

事象のバッグ:AER画像センサのための効率的な確率に基づく特徴抽出法【Powered by NICT】

Bag of Events: An Efficient Probability-Based Feature Extraction Method for AER Image Sensors

著者 (5件)： Peng Xi (Institute for Infocomm Research, Agency for Science, Technology and Research, Singapore) ,  Zhao Bo (Institute for Infocomm Research, Agency for Science, Technology and Research, Singapore) ,  Yan Rui (College of Computer Science, Sichuan University, Chengdu, China) ,  Tang Huajin (College of Computer Science, Sichuan University, Chengdu, China) ,  Yi Zhang (College of Computer Science, Sichuan University, Chengdu, China)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 28  号： 4  ページ： 791-803  発行年： 2017年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： アドレスイベント表現(AER)イメージセンサはシーンの輝度変化を意味する一連の事象として視覚情報を表している。本論文では,確率理論,すなわち,イベントのバッグ(BOE)に基づくAER画像センサのための特徴抽出手法を提案した。提案されたアプローチは,同時事象の結合確率分布として各物体を表し,各事象はAERセンサのユニークな活性化画素に対応する。BOEの利点は:1)統計的学習法であると数学における良好な解釈可能性を持っている;2)BOEは異なるデータセットのパラメータを調整するための努力を大幅に減らすことができる,それは,ただ一つのハイパーパラメータを持ち,パラメータの値に対してロバストであるため3)BOEはオンライン学習アルゴリズム,収集すべき訓練データを必要としないである4)BOEは特徴抽出(>275フレーム/秒と>120000events/s)用の実時間競合できる結果を達成できるおよび5)BOEの実装の複雑さはいくつかの基本演算,加算と乗算を含んでいる。これは提案手法のハードウェアへの優しさを保証する。三一般的なAERデータベース(すなわち,MNIST動的視覚センサ,ポーカーカード,姿勢)上での実験結果により,良好な分類精度を維持しながら,この方法が二最近提案されたAER分類システムよりも著しく速いことを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 輝度 ,  *センサ ,  *イメージセンサ ,  画素 ,  *特徴抽出 ,  視覚センサ ,  ロバスト性 ,  確率論 ,  学習アルゴリズム ,  確率分布
準シソーラス用語： 分類精度 ,  ハイパーパラメータ ,  確率学習 ,  視覚情報 ,  アドレスイベント表現 , 【Automatic Indexing@JST】

分類 (2件)： 自動車事故,交通安全  (TB01050G) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 事象 ,  バッグ ,  画像センサ ,  確率 ,  特徴抽出法