文献

J-GLOBAL ID：201802278316724429   整理番号：18A0137654

予測特徴学習によるビデオシーンの構文解析【Powered by NICT】

Video Scene Parsing with Predictive Feature Learning

著者 (12件)： Jin Xiaojie ,  Li Xin ,  Xiao Huaxin ,  Shen Xiaohui ,  Lin Zhe ,  Yang Jimei ,  Chen Yunpeng ,  Dong Jian ,  Liu Luoqi ,  Jie Zequn ,  Feng Jiashi ,  Yan Shuicheng
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCV  ページ： 5581-5589  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： ビデオシーンパージングは以下の二理由のために挑戦的である:第一に,時間的に一貫した標識マップを生成するための意味のあるビデオ表現を学習するために自明ではない第二に,このような学習形態が不十分なラベル付きビデオ訓練データとより困難である。本研究では,上記二つの問題,ビデオシーン解析における予測特徴学習を採用する最初のモデルを著者らの知る限りであるに取り組むための統一フレームワークを提案した。予測特徴学習は二予測タスクフレーム予測と予測解析で行った。モデルでは,学んだ予測特徴である標準画像構文解析ネットワークと組み合わせることによりビデオ構文解析性能を著しく向上できることを実験的に証明した。興味深いことに,特徴は,教師なし方法でラベル付けされていない大量の映像データから学習されるとして予測学習によってもたらされた性能利得がほぼ費用のかからない。二つの挑戦的なデータセット上での包括的な実験,都市景観とCamvid,は良く確立されたベースラインと比べて顕著な改良を示すことによって本モデルの有効性を実証した。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： *予測 ,  利得 ,  *学習 ,  基準線 ,  *構文分析 ,  ネットワーク ,  *録画装置 ,  モデル ,  都市景観
準シソーラス用語： 映像データ ,  予測解析 ,  訓練データ , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 予測 ,  学習 ,  ビデオ ,  シーン ,  構文解析