文献

J-GLOBAL ID：201802275794813708   整理番号：18A1770993

骨格に基づく人間行動認識のための明示的形状と運動進化マップの学習【JST・京大機械翻訳】

Learning Explicit Shape and Motion Evolution Maps for Skeleton-Based Human Action Recognition

著者 (4件)： Liu Hong (Key Laboratory of Machine Perception, Peking University, Shenzhen Graduate School) ,  Tu Juanhui (Key Laboratory of Machine Perception, Peking University, Shenzhen Graduate School) ,  Liu Mengyuan (School of Electrical and Electronic Engineering, Nanyang Technological University) ,  Ding Runwei (Key Laboratory of Machine Perception, Peking University, Shenzhen Graduate School)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 1333-1337  発行年： 2018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： 骨格配列に基づく人間行動認識は,人間-コンピュータ相互作用と知的監視において広い応用を有する。これまでの方法は,人間の行動の形状進化をモデル化するために,Long Short-Tem Memory(LSTM)ネットワークを成功裏に適用してきたが,運動の詳細の欠如による逐次データからの類似の行動に対しては,効果的に行動を認識する問題が残っている。この問題を解決するために,本論文では,明示的な長期形状進化マップ(SEM)と運動進化マップ(MEM)を共同的に学習するために,改善されたLSTMベースのネットワークを提示した。最初に,人間の行動をコンパクトなSEMとMEMとして表現し,それは相互に補償する。第二に,これらのマップを深いLSTMネットワークによって共同的に学習し,高レベルの時間依存性を調べた。次に,重み付き凝集層(WAL)を設計し,L-STMネットワークの出力を,異なる時間的段階で交差させた。最終的に,形状と運動の深い特徴を決定レベル融合によって結合する。現在最大のNTU RGB+Dデータセットと公開SmartHomeデータセットに関する実験結果は,著者らの方法がstate of the ートより著しく優れていることを証明した。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： 凝集 ,  相互作用 ,  ネットワーク ,  時間依存性 ,  モデリング ,  コンピュータ ,  *走査型トンネル顕微鏡
準シソーラス用語： LSTMネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 骨格 ,  人間行動認識 ,  運動 ,  進化 ,  マップ ,  学習