文献

J-GLOBAL ID：201702256329018336   整理番号：17A1772959

Tubelet提案ネットワークを用いたビデオでの物体検出【Powered by NICT】

Object Detection in Videos with Tubelet Proposal Networks

著者 (7件)： Kang Kai ,  Li Hongsheng ,  Xiao Tong ,  Ouyang Wanli ,  Yan Junjie ,  Liu Xihui ,  Wang Xiaogang
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 889-897  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： ビデオにおける物体検出は,大規模ImageNet VIDデータセットの導入により,多大の注目を集めている。静止画像における物体検出とは異なり,ビデオの時間的情報は物体検出のために不可欠である。時間情報を完全に利用するために,最先端の方法[1514]は,時空間tubelets,時間を越えた本質的に関連する境界ボックスの配列に基づいている。しかし,既存の方法は,品質と効率の点でtubeletsを生み出すのに主要な限界がある。運動に基づく[14]方法は高密度tubeletsを効率よく得ることができたが,長さは数フレーム,長期時間的情報を組み込むための最適ではないが一般的である。,通常一般的な物体追跡を含む,外観ベース[15]法は長いtubeletsを生成できるが,通常は計算的に高価である。本研究では,ビデオにおける物体検出のためのフレームワーク,時空間提案を効率的に発生させる新しいtubelet提案ネットワーク,ビデオの中の高い物体検出精度を達成するためのtubelet提案から時間情報を組み込んだ長い短期記憶(LSTM)ネットワークを提案した。大規模ImageNet VIDデータセット上での実験を行い,ビデオにおける物体検出のための提案フレームワークの有効性を実証した。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： *録画装置 ,  静止画像 ,  品質 ,  *ネットワーク
準シソーラス用語： 短期記憶 ,  物体追跡 ,  高密度 ,  *物体検出 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (3件)： 提案 ,  ビデオ ,  物体検出