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。
本論文では,著者らはヒト集団活動のための異常事象を検出する方法を提案した。筆者らの主な貢献は作用を分離することにより,教師つき学習を用いた非常に少ないビデオによる学習する戦略を開発することである。最初に,前景のみに高次学習を連接するためにGauss関数(MoG)の混合物として各画素をモデル化することにより各フレームの背景を差し引いた。,特徴は,正常及び異常フレーム間の分類するために訓練される畳込みニューラルネットワーク(CNN)を用いて各フレームから抽出した。これらの特徴ベクトルは,長い短期記憶(LSTM)ネットワークに供給フレーム間の長期依存性を学習した。LSTMも異常なフレームを分類するために訓練される,フレームの時間的特徴を抽出した。最後に,線形SVM,その入力はLSTMによる計算した特徴の出力に依存して異常または正常フレームを分類した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】