文献

J-GLOBAL ID：201802270588341943   整理番号：18A1255056

RGB-Dデータからの学習によるRGB画像とビデオにおける視覚認識【JST・京大機械翻訳】

Visual Recognition in RGB Images and Videos by Learning from RGB-D Data

著者 (4件)： Li Wen (Computer Vision Laboratory, ETH Zuerich, Switzerland) ,  Chen Lin (Amazon, Seattle, WA) ,  Xu Dong (School of Electrical and Information Engineering, The University of Sydney, Sydney, NSW, Australia) ,  Van Gool Luc (Computer Vision Laboratory, ETH Zuerich, Switzerland)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 40  号： 8  ページ： 2030-2036  発行年： 2018年 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  資料種別： 逐次刊行物 (A)
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： 本研究では,付加的な深さ情報を含むRGB-D訓練データから学習することにより,RGB画像またはビデオを認識するためのフレームワークを提案した。このタスクを新しい教師なしドメイン適応(UDA)問題として定式化し,その中で,ソースドメインにおける付加的な深さ特徴を利用し,ソースとターゲットドメインの間のデータ分布不整合に対処することを目的とした。ドメイン分布不整合を扱うために,ドメイン分布不整合が低減できるように,両ドメインからサンプルを共通部分空間に写像するための最適射影行列を学習することを提案した。このような射影行列は異なる戦略を利用することにより効果的に最適化できる。さらに,追加の深さ特徴を利用するために異なる方法を用いた。上記の2つの問題に同時に対処するために,マルチビューから単一ビュー(DAM2S)へのドメイン適応と呼ばれる統一学習フレームワークを定式化した。著者らのDAM2Sフレームワークにおける様々な形式の正則化装置を定義することによって,異なる戦略を容易に組み込んで,ターゲットサンプルを分類するためのロバストSVM分類装置を学習することができて,著者らのDAM2Sフレームワークの下で3つの方法を開発した。RGB-Dデータから学習することにより,RGB画像とビデオを認識するための提案方法の有効性を実証する,オブジェクト認識,交差データセットおよび交差ビュー動作認識のための包括的実験を行った。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  *録画装置 ,  定式化 ,  ロバスト性 ,  不整合 ,  正則化 ,  物体認識 ,  最適化 ,  *視認
準シソーラス用語： 動作認識 ,  マルチビュー ,  射影行列 ,  部分空間 ,  訓練データ ,  *RGB-D , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (5件)： RGB-D ,  学習 ,  RGB画像 ,  ビデオ ,  視覚認識