文献

J-GLOBAL ID：201702265449121353   整理番号：17A1773026

深い時間線形符号化ネットワーク【Powered by NICT】

Deep Temporal Linear Encoding Networks

著者 (3件)： Diba Ali ,  Sharma Vivek ,  Gool Luc Van
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 1541-1550  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： 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】

シソーラス用語： ロバスト性 ,  *ネットワーク ,  *線形性 ,  二次元 ,  人間行動 ,  録画装置 ,  三次元 ,  相互作用 ,  学習 ,  *線形符号 ,  意味論 ,  *符号化 ,  モデリング
準シソーラス用語： 特徴空間 ,  特徴表現 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (1件)： 線形符号