文献

J-GLOBAL ID：201802248706829262   整理番号：18A1980200

条件付きランダムフィールドを持つディープニューラルネットワークを用いたビデオ中の重要人物の発見

Finding Important People in a Video Using Deep Neural Networks with Conditional Random Fields

著者 (5件)： OTANI Mayu (Nara Institute of Science and Technology) ,  NISHIDA Atsushi (Dai Nippon Printing Co., Ltd.) ,  NAKASHIMA Yuta (Osaka University) ,  SATO Tomokazu (Shiga University) ,  YOKOYA Naokazu (Nara Institute of Science and Technology)
資料名： IEICE Transactions on Information and Systems (Web)  (IEICE Transactions on Information and Systems (Web))
巻： E101.D  号： 10  ページ： 2509-2517(J-STAGE)  発行年： 2018年 
JST資料番号： U0469A  ISSN： 1745-1361  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 重要な領域を見つけることは,コンテンツ認識ビデオ圧縮やビデオリターゲティングなどのアプリケーションでは,小さな画面のビデオ内の領域を自動的に切り抜くために不可欠である。重要な地域を見つけるためのいくつかの方法は,人々が重要であるという知識を組み込むために,顔/歩行者検出に基づく視覚的注意モデルを使用する。しかしながら,このような方法は,通常,重要な人々を通行人や傍観者と区別せず,結果として偽陽性となる。本論文は,単一フレーム内に複数の人物が含まれ,ハンドヘルドカメラでキャプチャされたビデオを考慮して,人を重要度または重要度に分類するディープニューラルネットワーク(DNN)ベースの方法を提案した。直観的には,重要な/重要でないラベルは,対応する人々の空間的な動きが類似していることを前提に,高い相関が得られた。この仮定に基づいて,エンドツーエンドで訓練できるDNN上に構築された条件付きランダムフィールド(CRF)を使用して,重要/重要でない分類の性能を向上させることを提案した。実験結果は,本論文手法が重要な人々をうまく分類することを示し,CRFを有するDNNの使用が精度を改善した。(翻訳著者抄録)

シソーラス用語： *場 ,  *ニューラルネットワーク ,  *動画像 ,  変化 ,  検出 ,  エンドツーエンド方式
準シソーラス用語： エンドツーエンド ,  *ディープニューラルネットワーク ,  *ビデオ画像 ,  *ランダムフィールド ,  画像リターゲティング ,  偽陽性

著者キーワード (3件)： ニューラルネットワーク ,  条件付き確率場 ,  重要な人々の分類

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

引用文献 (29件)：

• [1] F. Liu and M. Gleicher, “Video retargeting: Automating pan and scan,” ACM International Conference on Multimedia (MM), pp.241-250, 2006. 10.1145/1180639.1180702
• [2] L. Itti, “Automatic foveation for video compression using a neurobiological model of visual attention,” IEEE Trans. Image Process., vol.13, no.10, pp.1304-1318, 2004. 10.1109/tip.2004.834657
• [3] L. Itti, C. Koch, and E. Niebur, “A model of saliency-based visual attention for rapid scene analysis,” IEEE Trans. Pattern Anal. Mach. Intell., vol.20, no.11, pp.1254-1259, 1998. 10.1109/34.730558
• [4] Y.-F. Ma, X.-S. Hua, L. Lu, and H.-J. Zhang, “A generic framework of user attention model and its application in video summarization,” IEEE Trans. Multimedia, vol.7, no.5, pp.907-919, 2005. 10.1109/tmm.2005.854410
• [5] Y. Nakashima, N. Babaguchi, and J. Fan, “Intended human object detection for automatically protecting privacy in mobile video surveillance,” Multimedia Systems, vol.18, no.2, pp.157-173, 2012. 10.1007/s00530-011-0244-y

タイトルに関連する用語 (5件)： ランダムフィールド ,  ディープニューラルネットワーク ,  ビデオ ,  人物 ,  発見