文献

J-GLOBAL ID：201802217895533007   整理番号：18A0022883

転写物から作用の弱教師つき学習【Powered by NICT】

Weakly supervised learning of actions from transcripts

著者 (3件)： Kuehne Hilde (University of Bonn, Institute of Computer Science III, Romerstraβe 164, 53117 Bonn, Germany) ,  Richard Alexander (University of Bonn, Institute of Computer Science III, Romerstraβe 164, 53117 Bonn, Germany) ,  Gall Juergen (University of Bonn, Institute of Computer Science III, Romerstraβe 164, 53117 Bonn, Germany)
資料名： Computer Vision and Image Understanding  (Computer Vision and Image Understanding)
巻： 163  ページ： 78-89  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： ビデオ転写からの人間行動の弱教師つき学習のためのアプローチを提案した。我々のシステムは,入力データの配列と転写物,すなわち行動は,ビデオで起こるためのリストが与えられると,それはビデオストリーム内の作用を推定するために,フレームベースアノテーションを必要とせずに関連した行動モデルを学習することが可能になるという考えに基づいている。転写情報から出発して,期待される作用の数に基づいて均一に与えられたデータ配列を分裂した。転写物により定義された訓練用ビデオ列を用いて配列順序を与えられた行動モデルにより生成される確率を最大化することにより,各クラスのための行動モデルを学習する。学習されたモデルは時間的に転写物の有無にかかわらず未知のビデオを分割するのに使用することができた。さらに,推定されたセグメントは,高レベル完全監視モデルを訓練するために出発点として用いることができる。は四つの異なる活性データセット,すなわちハリウッド拡張,MPII調理,朝食とCRIM13上で提案アプローチの評価を行った。は提案したシステムがビデオデータとスクリプト作用を整列させることができることを,学習されたモデルは,データセットにおける作用を局在化し,分類,転写物をビデオデータとの現在の最新技術のアプローチよりも優れていることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *教師つき学習 ,  人間行動 ,  *学習 ,  録画装置 ,  調理 ,  セグメンテーション
準シソーラス用語： 行動認識 ,  局在化 ,  スクリプト ,  映像データ ,  ビデオ列 ,  行動モデル ,  ビデオストリーム ,  入力データ , 【Automatic Indexing@JST】

著者キーワード (4件)： 弱学習 ,  行動認識 ,  行動分類 ,  時間セグメンテーション

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 転写 ,  教師つき学習