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。
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】