文献

J-GLOBAL ID：201802260008976419   整理番号：18A0244448

Webビデオアノテーションのためのマルチインスタンス学習における適応プーリング【Powered by NICT】

Adaptive Pooling in Multi-instance Learning for Web Video Annotation

著者 (5件)： Liu Dong ,  Zhou Yizhou ,  Sun Xiaoyan ,  Zha Zhengjun ,  Zeng Wenjun
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCVW  ページ： 318-327  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： 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】

シソーラス用語： 損失関数 ,  *アノテーション ,  ペナルティ ,  ネットワーク ,  定式化 ,  *学習 ,  *録画装置 ,  エンドツーエンド方式 ,  *Web【情報システム】
準シソーラス用語： 内部状態 ,  畳込みニューラルネットワーク ,  *マルチインスタンス学習 ,  *ビデオアノテーション , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： Web ,  ビデオアノテーション ,  マルチインスタンス学習 ,  適応