文献

J-GLOBAL ID：201802259704377215   整理番号：18A0518708

CNN特徴をコードするによる4D効果分類【Powered by NICT】

4D effect classification by encoding CNN features

著者 (3件)： Siadari Thomhert S. (Korea University of Science and Technology, South Korea) ,  Han Mikyong (Electronics and Telecommunications Research Institute, South Korea) ,  Yoon Hyunjin (Korea University of Science and Technology, South Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 1812-1816  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： 4D効果は層で起こる事象または仮想世界を増強するビデオ,映画,ゲームと同期でシミュレートした物理的効果である。没入型媒体に一般的に使用される4D効果の種類は,座席運動,振動,フラッシュ,風,水,香り,雷雨,雪,霧を含む可能性がある。現在,ビデオからの物理的効果の認識は主に人間の専門家によって行われている。4D効果は没入型経験と娯楽を有望ではあるが,このマニュアル生産は4D効果のより速いおよびより広い応用に対する主な障害であった。本論文では,畳込みニューラルネットワーク(CNN)のpretrainedモデルを利用した局所的視覚特徴を抽出し,抽出された特徴ビデオレベル特徴を組み合わせた新しい表現法を提案した。分類タスクはサポートベクトルマシン(SVM)を用いて行った。包括的実験は,CNNの異なる構造と4D効果分類タスクのための特徴の異なるタイプを調べ,提案したビデオレベル表現を用いたベースライン平均プーリング法を比較するために行われた。筆者らのフレームワークは平均精度(mAP)の2~3%までのベースラインよりも優れている。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： 基準線 ,  風 ,  モデル ,  ゲーム ,  媒質 ,  サポートベクトルマシン ,  座席 ,  マニュアル ,  *録画装置 ,  雷雨
準シソーラス用語： 畳込みニューラルネットワーク ,  雪 ,  仮想世界 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： CNN ,  分類