文献

J-GLOBAL ID：201702226424911338   整理番号：17A1398437

ビデオ感情認識のためのBayesノンパラメトリックマルチモーダルデータモデリングフレームワーク【Powered by NICT】

A Bayesian nonparametric multimodal data modeling framework for video emotion recognition

著者 (5件)： Xue Jianfei (Graduate School of System Informatics, Kobe University, Kobe, Hyogo, Japan) ,  Luo Zhaojie (Graduate School of System Informatics, Kobe University, Kobe, Hyogo, Japan) ,  Eguchi Koji (Graduate School of System Informatics, Kobe University, Kobe, Hyogo, Japan) ,  Takiguchi Tetsuya (Graduate School of System Informatics, Kobe University, Kobe, Hyogo, Japan) ,  Omoto Tsukasa (Graduate School of System Informatics, Kobe University, Kobe, Hyogo, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICME  ページ： 601-606  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 新たな研究分野としてのビデオ感情認識は近年ますます注目を集めている。しかし,そのような研究は非常に挑戦的でヒト感情はその複雑さと多様性のために正確に識別が困難であるので,さらに,内容の豊富なビデオにおける感情の発現は少ない。以前の研究は,様々なビデオ特徴を利用することにより,ビデオレベルに及ぼすヒト情動を学習しようと試みるへのアプローチの数を示した。しかし,研究の大部分は手作りの画像特徴のような単純な低レベル映像特徴を用いて,ビデオ内の異なるマルチモーダルデータ間の更なる潜在的接続を考慮していない。これらの問題を解決するために,著者らはビデオからの感情を学習するために,新しいBayesノンパラメトリックマルチモーダルデータモデル化フレームワークを開発し,採用した画像データは,畳込みニューラルネットワーク(CNN)によるビデオのキーフレームから抽出した深い特徴であり,採用した音声データは,メル周波数ケプストラム係数(MFCC)特徴である。このフレームワークでは,画像特徴と音声特徴の間のそれらの潜在的感情的事象(の話題)をマイニングするために対称対応階層的Dirichlet過程(Sym cHDP)モデルを使用した。最後に,提案フレームワークの有効性は,包括的な実験により実証した。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： ヒト ,  畳込み ,  周波数 ,  画像特性 ,  対称性 ,  ニューラルネットワーク ,  *録画装置 ,  映像
準シソーラス用語： Dirichlet過程 ,  音声特徴 ,  MFCC ,  ケプストラム係数 ,  音声データ ,  画像データ ,  *感情認識 , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： ビデオ ,  感情認識 ,  ノンパラメトリック