文献

J-GLOBAL ID：201702230663809457   整理番号：17A0886607

SkeletonNet:三次元行動認識のためのマイニング深部その特徴【Powered by NICT】

SkeletonNet: Mining Deep Part Features for 3-D Action Recognition

著者 (5件)： Ke Qiuhong (School of Computer Science and Software Engineering, The University of Western Australia, Crawley, WA, Australia) ,  An Senjian (School of Computer Science and Software Engineering, The University of Western Australia, Crawley, WA, Australia) ,  Bennamoun Mohammed (School of Computer Science and Software Engineering, The University of Western Australia, Crawley, WA, Australia) ,  Sohel Ferdous (School of Engineering and Information Technology, Murdoch University, Murdoch, WA, Australia) ,  Boussaid Farid (School of Electrical, Electronic and Computer Engineering, The University of Western Australia, Crawley, WA, Australia)
資料名： IEEE Signal Processing Letters  (IEEE Signal Processing Letters)
巻： 24  号： 6  ページ： 731-735  発行年： 2017年 
JST資料番号： W0576A  ISSN： 1070-9908  CODEN： ISPLEM  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： SkeletonNet,骨格三次元行動認識のための深い学習フレームワークを提案した。骨格配列が与えられたとき,各フレームにおける骨格継手と複数フレーム間の時間的情報の空間構造は,行動認識のための二つの重要な因子である。骨格配列の各フレームから身体部分ベース特徴を抽出する。骨格継手の元の座標と比較して,提案した特徴は並進,回転,およびスケール不変性を持つ。ロバストな時間情報を学習するために,時系列として全てのフレームの特徴を処理する代わりに,ここでは,特徴画像に変換し,提案した深い学習ネットワーク,二つの部分:入力画像からの一般的な特徴を抽出するために1を含むを餌としており,他方は行動認識のための識別的でコンパクトな表現を生成した。提案した方法は,SBU kinect相互作用データセット,CMUデータセット,および大規模NTU RGB+Dデータセットで試験し,最先端技術レベルの性能を達成した。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： ネットワーク ,  学習 ,  ロバスト性 ,  *三次元 ,  相互作用 ,  立体構造 ,  身体部位 ,  画像 ,  *深部 ,  スケール不変性
準シソーラス用語： 最先端技術 ,  時間情報 ,  *行動認識 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 行動認識 ,  深部