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。
時間作用局在化は重要であるが困難な問題である。多重作用例と複雑なバックグラウンド含有量の長い,切除されていないビデオから成るが与えられたとき,だけでなくそれらの行動カテゴリーを認識するだけでなく,各インスタンスの開始時間と終了時間を局在化する必要がある。多くの最新技術システムはセグメントレベル分類器を用いて事前決定境界の提案セグメントを選択し,ランク付けした。しかし,望ましいモデルは,セグメントレベルを超えて移動し,正確な時間的境界を決定するために時間の微細粒度で高密度予測すべきである。この目的のために,3D ConvNets(畳み込みニューラルネットワーク)のトップ,抽象化作用意味論に有効であることが示されてきたが入力データの時間的長さを低減する上のCDCフィルタを配置する新しい畳込みDe畳込み(CDC)ネットワークを設計した。提案したCDCフィルタは必要とされる時間的アップサンプリングと空間ダウンサンプリング操作を同時に行うフレームレベルの粒度での作用を予測した。時空と細粒度時間的動力学における共同モデリング作用意味でユニークである。エンドツーエンド方式でのCDCネットワークを訓練した。著者らのモデルは,各フレームにおける作用を検出するのに優れた性能を達成するのみならず,局在化時間的境界の精度を向上させた。最後に,CDCネットワークは,単一のGPUサーバ上で二ビット/プロセス500フレームする能力を持つ非常に高い効率を示した。ソースコードと訓練されたモデルはhttps://bitbucket.org/columbiadvmm/cdcでオンライン利用可能である。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】