抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ヒト集団活動認識は,多くの応用における重要な役割のために,世界中の研究者の注目を集めている,ビデオサーベイランスと公共セキュリティを含む。集団活動認識のための既存の解決策は,人間検出と追跡に依存している。高い検出精度を確実にするために,自動追尾が起こる前に現在の最先端の追跡法は,人間による管理は,関心のある物体を同定するために必要である。この制約は,実世界応用で使用される既存のアプローチを妨げてきた。人間による管理ができない場合のシナリオでは,トラッキングアルゴリズムは,不正確な軌道を生成し,既存のグループ分析法の性能の減少を引き起こす可能性がある。前述の欠点を解決するために,本論文では,エンドツーエンド深いモデル,示差再帰畳込みニューラルネットワーク(DRCNN)を研究した。著者らのモデルは,畳込みニューラルネットワーク(CNN)と積層微分長い短期記憶(DLSTM)ネットワークから構成されている。入力として逐次生ビデオデータを採用し,個々の対象となる各グループメンバーを考慮していない。特徴抽出およびパラメータ学習の段階を分離する伝統的な非エンドツーエンド解と違って,DRCNNはCNNのパラメータと手のLSTM手を最適化するために統一された深いモデルを利用する。より調和モデルを生成する可能性を持っている。添加では,CNNの意味表現とDLSTM,DRCNNのメモリ状態を利用することを理解する複雑なシーン意味論とグループダイナミックスにおける強い能力を持っている。広範な実験的研究は,提案した技術が性能を犠牲にすることなく完全自動グループ活動認識タスクを達成でき,二ベンチマークグループ活動データセット上でヒト支援最新手法の性能を上回ることを示した。著者らの知る限り,これは今まで提案された最初のエンドツーエンドグループ活動認識技術である。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
