文献

J-GLOBAL ID：201802259032085124   整理番号：18A0519027

2流体セグメントRNNを用いた時間作用局在【Powered by NICT】

Temporal action localization with two-stream segment-based RNN

著者 (3件)： Lin Tianwei (Key Laboratory of System Control and Information Processing MOE, Department of Automation, Shanghai Jiao Tong University) ,  Zhao Xu (Key Laboratory of System Control and Information Processing MOE, Department of Automation, Shanghai Jiao Tong University) ,  Fan Zhaoxuan (Key Laboratory of System Control and Information Processing MOE, Department of Automation, Shanghai Jiao Tong University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 3400-3404  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： 解析するビデオは,通常,切除されていないと多重作用事例を含んでいるので,時間的作用局在は行動認識よりもより挑戦的なビジョンタスクである。本論文では,リカレントニューラルネットワークの可能性,この問題を解くための三つの重要な側面,すなわち,高速,高品質の時間的セグメントで効果的なリカレントニューラルネットワークアーキテクチャを調べた。まず,特徴抽出のための二流体(空間的および時間的)ネットワークを導入した。,可変長による時間的セグメントを生成するための新しい時間的選択的探索法を提案した。最後に,カテゴリー予測と信頼スコア計算のための二分枝LSTMアーキテクチャを設計した。の重要な成分,例えば,セグメント生成と分類アーキテクチャと共に,作用局在への提案したアプローチであるTHUMOS’14データセットで評価し,その他の最先端レベル手法と比較して有望な性能を達成した。Copyright 2018 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 ,  *計算機アーキテクチャ ,  予測 ,  高速度 ,  多重化 ,  特徴抽出 ,  ネットワーク
準シソーラス用語： 最先端 ,  スコア ,  探索法 ,  高品質 ,  リカレントニューラルネットワーク ,  行動認識 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (3件)： 流体 ,  セグメント ,  RNN