文献

J-GLOBAL ID：201702276985190940   整理番号：17A1398356

人体方向推定のための重み付き配列損失に基づく空間-時間深い学習フレームワーク【Powered by NICT】

Weighted sequence loss based spatial-temporal deep learning framework for human body orientation estimation

著者 (3件)： Liu Peiye (Beijing Key Laboratory of Intelligent Telecommunication Software and Multimedia, Beijing University of posts and Telecommunications, Beijing 100876, China) ,  Liu Wu (Beijing Key Laboratory of Intelligent Telecommunication Software and Multimedia, Beijing University of posts and Telecommunications, Beijing 100876, China) ,  Ma Huadong (Beijing Key Laboratory of Intelligent Telecommunication Software and Multimedia, Beijing University of posts and Telecommunications, Beijing 100876, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICME  ページ： 97-102  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： 正確な人体方向推定(HBOE)は,人間行動の分析を促進することができる。しかし,従来手法ではH BOEの空間的および時間的情報の相補的性質を全体的にできない。既存の方法とは異なり,ここでは,ヒト身体方向を正確に推定するためにエンドツーエンド空間深層学習フレームワークを提案した。本手法では,まず,畳込みニューラルネットワークを利用するヒト配向のための空間情報を捕捉した。さらに,空間的-時間的情報であるリカレントニューラルネットワーク(RNN),ヒト配向変換の長期時間情報を記憶自動的に融合した。より重要なことは,人々の異なる移動速度と多様性作用を適応させる効果的にするために,重み付き配列損失関数,RNN訓練を導くのに重要配向変換を把握できるを設計した。包括的評価によれば,提案した方法は,状態の最先端手法よりも大幅に優れている。2D情報を利用するだけであるが,それは3D/RGB Dに基づくアプローチよりも優れた性能を示した。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： 人間行動 ,  畳込み ,  ヒト ,  ニューラルネットワーク ,  *到来方向推定 ,  エンドツーエンド方式 ,  *学習 ,  損失関数
準シソーラス用語： 移動速度 ,  時間情報 ,  リカレントニューラルネットワーク ,  空間情報 ,  深層学習 , 【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 (5件)： 人体 ,  方向推定 ,  損失 ,  学習 ,  フレームワーク