{{ $t("message.ADVERTISEMENT") }}
{{ $t("message.AD_EXPIRE_DATE") }}{{ad01_expire_date}}
{{ $t("message.ADVERTISEMENT") }}
{{ $t("message.AD_EXPIRE_DATE") }}{{ad02_expire_date}}
文献
J-GLOBAL ID:201702278309866532   整理番号:17A0368749

マルチメディアイベント検出のためのロバストな空間-時間深モデル【Powered by NICT】

Robust spatial-temporal deep model for multimedia event detection
著者 (3件):
資料名:
巻: 213  ページ: 48-53  発行年: 2016年
JST資料番号: W0360A  ISSN: 0925-2312  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: オランダ (NLD)  言語: 英語 (EN)
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。
マルチメディアイベント検出(MED)のタスクは,大規模データセットから最もイベント関連映像を自動的に検出できるモデルのセットを訓練を目的とした。本論文では,大規模ビデオイベント検出のためのロバストな空間的-時間的深層ニューラルネットワークを構築することを試みた。この設定では,各ビデオを多重インスタンス仮定に従い,その視覚セグメントは事象の空間的および時間的特性の両方を含んでいる。これらの特性に関して,二段階訓練フェーズ:教師なしリカレントビデオ再構成と教師つき微調整によるMEDシステムを実装することを試みた。挑戦的なTRECVID MED14データセット,空間的および時間的情報の両者を考慮して,検出性能は,最先端のMEDモデルと比較して促進することができることを示した上での包括的実験を行った。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。
, 【Automatic Indexing@JST】
著者キーワード (3件):
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
パターン認識 
タイトルに関連する用語 (4件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る