文献

J-GLOBAL ID：201702288146217826   整理番号：17A1398440

視覚的注意をもつトリミングしないビデオにおける活動局在化と分類のための共同モデル【Powered by NICT】

A joint model for action localization and classification in untrimmed video with visual attention

著者 (5件)： Li Weimian (School of Electronic and Computer Engineering, Shenzhen Graduate School, Peking University) ,  Wang Wenmin (School of Electronic and Computer Engineering, Shenzhen Graduate School, Peking University) ,  Chen Xiongtao (School of Electronic and Computer Engineering, Shenzhen Graduate School, Peking University) ,  Wang Jinzhuo (School of Electronic and Computer Engineering, Shenzhen Graduate School, Peking University) ,  Li Ge (School of Electronic and Computer Engineering, Shenzhen Graduate School, Peking University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICME  ページ： 619-624  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,直接切除されていないビデオにおける行動の時間的限界を局在と同様にどのような行動が起こる分類正確に学習する関節モデルを導入した。ほとんどの既存のアプローチは作用例,は本当に非効率を生成する全ビデオを走査する傾向があった。代わりに,人間の知覚に触発され,著者らのモデルは,時間上でのビデオ内の異なる位置を観察するために,リカレントニューラルネットワークに基づいて定式化した。また,固定数の断片を観察のみによる時間的局在を生成することができる,それは計算量は,入力ビデオサイズに依存しない。次探索する場所の決定のための意思決定ポリシーは,微分不可能な環境における強力なであるREINFORCEにより学習される。添加では,関連する方法とは異なり,提案モデルでは,局在化と分類を連続的に,分類するための適切な特徴を抽出するための戦略を持っている。ActivityNetデータセット上で提案モデルを評価し,それはベースラインよりも大幅に優れている。さらに,最近のアプローチと比較して,筆者らは筆者らの連続設計は検出性能の約9%の増加をもたらすことができることを示した。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： 微分 ,  *モデル ,  定式化 ,  基準線 ,  計算量 ,  *録画装置 ,  意思決定
準シソーラス用語： 検出能 ,  リカレントニューラルネットワーク ,  関節モデル ,  *局在化 ,  *視覚的注意 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 視覚的注意 ,  ビデオ ,  活動 ,  局在化 ,  分類 ,  共同 ,  モデル