文献

J-GLOBAL ID：201702285349536225   整理番号：17A0451059

外観と運動の深い表現を学習することによるビデオにおける異常事象の検出【Powered by NICT】

Detecting anomalous events in videos by learning deep representations of appearance and motion

著者 (5件)： Xu Dan (Department of Computer Science, University of Trento, Trento, Italy) ,  Yan Yan (University of Michigan, Ann Arbor) ,  Ricci Elisa (Fondazione Bruno Kessler (FBK), Trento, Italy) ,  Ricci Elisa (University of Perugia) ,  Sebe Nicu (Department of Computer Science, University of Trento, Trento, Italy)
資料名： Computer Vision and Image Understanding  (Computer Vision and Image Understanding)
巻： 156  ページ： 117-127  発行年： 2017年 
JST資料番号： W0185A  ISSN： 1077-3142  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： 知的ビデオ監視で最も重要である異常事象検出。現在,複雑なビデオシーンの自動分析のための多くの手法は典型的な手作りの外見および動き特徴に依存している。しかし,ユーザ定義表現を採用することは明らかに準最適,関心のあるシーンに特異的な記述子を学習することが望ましい。この必要性に対処するために,本論文では,出現と運動DeepNet(AMDN),自動的に特徴表現を学習するための深層ニューラルネットワークに基づく新しい手法を提案した。両出現と運動パターンの相補的情報を利用するために,著者らは新規な二重融合フレームワークを提案し,従来の初期融合と後期融合戦略の利点を組み合わせた。特に,積層ノイズ除去オートエンコーダは,関節表現(早期融合)と同様に両方の外見および動き特徴を学習する別々に提案されている。,学習された特徴に基づいて,各入力の異常スコアを予測するために用いられる多重1クラスSVM(サポートベクトルマシン)モデル。最後に,新しい後期融合戦略を計算スコアを結合し,異常事象を検知するために提案した。提案ADMNは広くUCSD pedestian,地下鉄と列車を含む公的に利用可能なビデオサーベイランスデータセット上で評価し,最先端のアプローチに対して比肩可能な性能を示した。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： 深層 ,  ニューラルネットワーク ,  多重化 ,  自動分析 ,  *録画装置 ,  サポートベクトルマシン ,  符号器 ,  雑音低減
準シソーラス用語： スコア ,  運動パターン ,  特徴表現 ,  イベント検出 ,  ビデオ監視 , 【Automatic Indexing@JST】

著者キーワード (5件)： ビデオ監視 ,  異常事象検出 ,  教師なし学習 ,  積層雑音除去自動エンコーダ ,  特徴融合

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 外観 ,  運動 ,  表現 ,  学習 ,  ビデオ ,  事象