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。
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】