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。
人間行動の表現のための全ビデオからの特徴のCNN符号化は,ほとんど明らかではない。代わりに,CNN研究は,空間的および時間的ネットワークを融合するアプローチに焦点を当ててきたが,これらは通常処理より短い配列に限られていた。新しい層として時間的線形符号化(TLE)と呼ばれ,CNNの内部に埋め込まれた,新しいビデオ表現全ビデオを通して出現と運動を捕捉することを示した。ロバストなビデオ特徴表現に集約した情報をコードする,エンドツーエンド学習を。TLEの利点は:(a)全ビデオコンパクトな特徴表現にをコードする意味論と識別特徴空間を学習する,(b)それらはビデオ分類のための2次元および3次元CNNのような回路網のすべての種類に適用可能である,および(c),よりはっきりとした方法と情報を失うことなく特徴相互作用をモデル化した。二つの挑戦的な人間行動データセット上での実験を行った:HMDB51とUCF101。実験は,TLEはデータセットの両者の上で現在の最先端の方法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】