文献
J-GLOBAL ID:201802244610382134   整理番号:18A1385054

ユーザ生成写真のための深部構造化事象モデリング【JST・京大機械翻訳】

Deep-Structured Event Modeling for User-Generated Photos
著者 (3件):
資料名:
巻: 20  号:ページ: 2100-2113  発行年: 2018年 
JST資料番号: W1116A  ISSN: 1520-9210  CODEN: ITMUF8  資料種別: 逐次刊行物 (A)
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:
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。
ビジョンベースのイベント解析は,次の課題のために困難である。最初の課題はクラス内変動である。ユーザによってアップロードされた光は,時間とともにイベントの視覚的外観をまばらにサンプリングする。従って,各写真は特定の複雑イベントの単一オブジェクトまたはシーンを捕捉するだけである。第二の課題はクラス間混乱である。異なるイベントに関連する光は,類似のオブジェクトまたはシーンを含む可能性がある。第3に,異常なイベントは不足によって特徴付けられ,いくつかのサンプルだけが学習イベントパターンにおける利用に利用可能である。本論文において,写真タイムスタンプを考慮することによって,著者らは,写真シーケンスにおける視覚的特徴とイベントクラスの時間的情報を利用するイベント解析のための構造化イベントモデリング(SEM)フレームワークを提案した。具体的には,光シーケンスの時間的イベントパターンと異なる光の関係を,深いニューラルネットワーク(畳込みニューラルネットワークとリカレントニューラルネットワーク)と条件付きランダムフィールドを用いて共同的に学習した。著者らは,2つの応用において提案したSEMフレームワークを評価した。すなわち,マルチクラスイベント認識と写真シーケンスにおける異常なイベント検出である。公共イベント認識データセットと収集した異常イベントデータセットで行った広範な実験の結果は,提案した方法の有効性を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
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】
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