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,ビデオにおける効率的で効果的なオブジェクトインスタンス検索の問題に取り組んでいる。有効質問およびビデオフレームとの関連性を捕捉し,特定のオブジェクトを局在化するために,ビデオ中のオブジェクトインスタンス検索の品質を改善するためのオブジェクト提案のレバレッジを行った。しかし,各フレームから得られた物体の提案百は不都合なメモリと計算コストをもたらす可能性がある。この目的のために,著者らは精度犠牲,ビデオフレームから発生するオブジェクト提案に存在する空間的および時間的自己相似性特性の両方を利用しないオブジェクトインスタンス探索を加速するための単純だが効果的な階層的物体プロトタイプ符号化(HOPE)モデルを提案した。フレームレベル物体プロトタイプとデータセットレベルオブジェクトプロトタイプを学習するために球k-means法,すなわち空間的に球k-平均および時間的に拘束された球k-平均二種類の設計であった。このようにして,オブジェクトインスタンス探索問題であるスパース行列-ベクトル乗算問題に向けた。符号のスパース性のおかげで,メモリと計算コストの両方が大幅に削減される。二ビデオデータセット上での実験結果により,提案アプローチがその他の最先端技術高速探索方式上でのビデオオブジェクトインスタンス検索の性能を著しく改善することを実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】