文献

J-GLOBAL ID：201702232558532103   整理番号：17A1773360

Quo Vadis,行動認識新しいモデルと速度論データセット【Powered by NICT】

Quo Vadis, Action Recognition? A New Model and the Kinetics Dataset

著者 (2件)： Carreira Joao ,  Zisserman Andrew
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 4724-4733  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： 電流作用分類データセット(UCF-101とHMDB51)におけるビデオの不足は,良好なビデオ構造を困難にしている,ほとんどの方法は,既存の小規模ベンチマーク上で類似した性能を得た。本論文では,新しい速度論人間行動ビデオデータセットを考慮して最新アーキテクチャを再評価した。動力学を二桁より多くのデータを,400種のヒト行動クラス400クラス当たりクリップと,現実的な挑戦的なYouTubeビデオから収集した。電流かアーキテクチャはこのデータセット上での行動分類タスクの上でやってとどの程度性能は速度論に及ぼすプレトレーニング後の小さいベンチマークデータセット上での改善に関する解析を提供する。も2D ConvNetインフレーションに基づく新しい二ストリーム膨張3D ConvNet(I3D)を導入した:非常に深い画像分類ConvNets(畳み込みニューラルネットワーク)のフィルタとプーリングカーネルは3Dに拡張し,成功したImageNetアーキテクチャ設計を活用し,それらのパラメータを持っていても,ビデオからのシームレスな空間-時間特徴抽出器を学習することが可能となっている。動力学に及ぼすプレトレーニング後,I3Dモデルはかなり作用分類における最先端技術の改善,UCF-101にHMDB51と97.9%で80.2%に達することを示した。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： ベンチマーク ,  特徴抽出 ,  小規模 ,  フィルタ ,  *速度論 ,  畳込み ,  計算機アーキテクチャ ,  電流 ,  三次元 ,  人間行動 ,  ニューラルネットワーク ,  ヒト ,  録画装置
準シソーラス用語： 画像分類 ,  *行動認識 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 行動認識 ,  モデル ,  速度論 ,  データセット