文献

J-GLOBAL ID：201702264851862051   整理番号：17A1260540

ConvNet協力と特徴選択に基づくビデオ分類【Powered by NICT】

Video classification based on ConvNet collaboration and feature selection

著者 (2件)： Boyaci Emel (Bilgisayar Muehendisligi Boeluemue, Bas,kent Ueniversitesi, Ankara, Tuerkiye) ,  Sert Mustafa (Bilgisayar Muehendisligi Boeluemue, Bas,kent Ueniversitesi, Ankara, Tuerkiye)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SIU  ページ： 1-4  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： 今日,強力なマルチメディア成分として,ビデオデータは,特に通信,健康,教育,ソーシャルメディアにおける利用の増加に伴う幾つかの問題を伴う。自動法によるビデオデータにおける概念の分類と検出は,これら困難な問題のいくつかである。本研究では,ビデオ分類システム,分類の精度を改善するための特徴選択とデータ融合技術を活用することにより深い畳込みニューラルネットワーク(CNN)を組み込む方法を提案した。特徴選択法として主成分分析(PCA)と判別相関解析(DCA)法,データ融合のための特徴集合の相関分析にクラス関係を組み込んだ,特徴レベルで問題に適用した。サポートベクトルマシン(SVM)は,特徴選択およびデータ融合法による種々の深い畳込みニューラルネットワークから得られた新しい特徴ベクトルを訓練した。提案した方法は,TRECVID2013SINビデオタスクデータセットに38概念に対して試験し,結果を評価した。著者らの結果は,提案したデータ融合と特徴選択技術を用いた場合分類精度は50.27%の精度で4%改善されることを示した。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： 畳込み ,  *特徴選択 ,  サポートベクトルマシン ,  ニューラルネットワーク ,  *録画装置 ,  主成分分析 ,  マルチメディア ,  データ融合
準シソーラス用語： 分類精度 ,  特徴ベクトル ,  相関分析 ,  ソーシャルメディア ,  健康 ,  映像データ , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 協力 ,  特徴選択 ,  ビデオ ,  分類