文献

J-GLOBAL ID：201702290044345038   整理番号：17A0755782

三次元行動認識のためのSkeletsによる潜在的最大マージンマルチタスク学習【Powered by NICT】

Latent Max-Margin Multitask Learning With Skelets for 3-D Action Recognition

著者 (6件)： Yang Yanhua (School of Electronic Engineering, Xidian University, Xi’an, China) ,  Deng Cheng (School of Electronic Engineering, Xidian University, Xi’an, China) ,  Tao Dapeng (School of Information Science and Engineering, Yunnan University, Kunming, China) ,  Zhang Shaoting (Department of Computer Science, University of North Carolina at Charlotte, Charlotte, NC, USA) ,  Liu Wei (School of Electronic Engineering, Xidian University, Xi’an, China) ,  Gao Xinbo (School of Electronic Engineering, Xidian University, Xi’an, China)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 47  号： 2  ページ： 439-448  発行年： 2017年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  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： 低コストと容易な深さカメラの最近の出現は,スケルトンベースの人間行動認識における研究をreinvigorated。しかし既存手法の大部分は骨格継手と行動クラスの間の本質的な相互依存性,不十分な認識性能を患っているを見過ごしている。本論文では,新しい潜在的最大マージンマルチタスク学習モデルは3D行動認識のために提案した。より詳しくいえば,ここでは,行動を記述するために継手の中間レベル粒度としてskeletsを利用した。をのタスクを説明する潜在skeletsと行動クラスの間の相関を捕捉するために学習モデルを適用した。正則化を誘導する構造化スパース性を活用することにより,同一クラスに属する共通情報は潜在skeletsから発見されるが,異なるクラスを横切る個人情報も保存することができる。提案したモデルは,深さカメラにより獲得された三つの挑戦的な行動データ集合で評価した。実験を行いその結果,提案モデルは,一貫して最近の最先端技術アプローチよりも優れた性能を達成することを示した。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： 構造形成 ,  粒度 ,  *三次元 ,  カメラ ,  学習モデル ,  正則化
準シソーラス用語： 最先端技術 ,  個人情報 ,  スパース性 ,  相互依存性 ,  *マルチタスク学習 ,  *行動認識 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 行動認識 ,  マルチタスク学習