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。
Webビデオは通常,弱アノテーション付き,すなわち,いつどこでそれが起こることなしにこのビデオの枠内で現れる対応する概念1回タグは,ビデオに関連していた。これら弱アノテーション付きタグは,多くのWebビデオ応用,例えば探索およびレコメンデーションに大きな問題を提起している。本論文では,学習可能プーリング関数を用いたマルチインスタンス学習(MIL)に基づく新しいWebビデオアノテーション手法を提案した。MIL問題としてのWebビデオアノテーションを定式化することにより,フレーム(例えば)レベルアノテーションは,畳込みニューラルネットワーク(CNN)によるビデオ(インスタンスのバッグ)レベルで与えられたタグから推定したこの問題を解決するためにエンドツーエンド深いネットワークフレームワークを提案した。学習可能プーリング関数を適応的にCNNの出力を融合ビデオレベルでタグを決定するため提案した。著者らはさらに,ネットワークの内部状態よりもむしろのみ総合損失を認識するペナルティ項,バッグレベルとインスタンスレベル損失の両方の構成は,良好で迅速な学習プーリング機能をする新しい損失関数を提案した。実験結果は,提案したフレームワークであるだけでなく大規模ビデオデータセットFCVIDに関する最新Webビデオアノテーション法をによるWebビデオアノテーションの精度を高めるばかりでなく,Webビデオにおける最も適切なフレームを推定するのに役立たせることができることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】