文献

J-GLOBAL ID：201702258759929260   整理番号：17A1772995

スケルトンベース行動認識のためのLie群上の深層学習【Powered by NICT】

Deep Learning on Lie Groups for Skeleton-Based Action Recognition

著者 (4件)： Huang Zhiwu ,  Wan Chengde ,  Probst Thomas ,  Gool Luc Van
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 1243-1252  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： 近年,骨格行動認識は,一般的な3D分類問題となっている。最新の方法は,典型的には,最初の付加的動的時間ワーピングとLie群上の高次元軌跡として各運動配列を表し,次に好ましいLie群特徴を学習する浅く。本論文では,3D行動認識のためのより適切なLie群特徴を学習するためにLie群構造を深いネットワークアーキテクチャ。ネットワーク構造内で,入力Lie群特徴を変換望ましい,時間領域における良好な配置に回転マッピング層を設計した。高特徴次元を低減するために,このアーキテクチャはLie群上の元素のための回転貯蔵層を備えている。さらに,最終分類のための規則的な出力層の適用を容易にする正接空間に得られた多様体データをマッピングするための対数マッピング層を提案した。標準3D人間行動認識データセットのために提案されたネットワークの評価は,既存の浅いLie群特徴学習方法として最も通常の深学習手法に対して提案手法がより優れていることを示した。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： ネットワークアーキテクチャ ,  *Lie群 ,  軌跡 ,  三次元 ,  ネットワーク ,  ネットワーク構造 ,  *学習 ,  計算機アーキテクチャ ,  多様体 ,  高次元 ,  対数
準シソーラス用語： 時間領域 ,  *深層学習 ,  *行動認識 , 【Automatic Indexing@JST】

分類 (3件)： 計算機網  (JC03000K) ,  無線通信一般  (ND08010L) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： スケルトン ,  行動認識 ,  Lie群 ,  深層学習