文献

J-GLOBAL ID：201702285861782918   整理番号：17A1398412

異常検出のための畳込みLSTMによる記憶の歴史【Powered by NICT】

Remembering history with convolutional LSTM for anomaly detection

著者 (3件)： Luo Weixin (Shanghaitech University, Shanghai, China) ,  Liu Wen (Shanghaitech University, Shanghai, China) ,  Gao Shenghua (Shanghaitech University, Shanghai, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICME  ページ： 439-444  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： 本論文では,ビデオ,異常は制限されないので,非常に挑戦的な課題であるのに取組む異常検出。各フレームの出現符号化のための畳込みニューラルネットワーク(CNNまたはConvNet)を利用すると,運動情報に対応する全ての過去フレームを記憶のための畳込み長い短期記憶(ConvLSTM)を活用することによりこの課題に接近した。,ConvLSTM AEと呼ばれる,オートエンコーダとConvNetとConvLSTMを統合する通常のモーメントの出現と運動の規則性を学習する。3D畳込みオートエンコーダベース異常検出と比較して,著者らの主な貢献は,正常事象の出現と運動の変化をコードする良好なConvLSTM AEフレームワークを提案することにある。提案手法を評価するために,筆者らは最初に制御された環境下で合成した移動MNISTデータセット上での実験を行い,結果は,提案手法では外見特徴および運動の変化を容易に同定できることを示した。実異常データセット上での包括的実験により,異常検出のための提案手法の有効性を検証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 録画装置 ,  モーメント ,  符号化 ,  規則度 ,  ニューラルネットワーク ,  三次元 ,  *畳込み
準シソーラス用語： 短期記憶 ,  *異常検出 , 【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 (4件)： 異常検出 ,  畳込み ,  LSTM ,  歴史