文献

J-GLOBAL ID：201802279004647432   整理番号：18A2232818

ビデオにおける時間的不規則性を検出するための3D畳込み生成敵対ネットワーク【JST・京大機械翻訳】

3D Convolutional Generative Adversarial Networks for Detecting Temporal Irregularities in Videos

著者 (3件)： Yan Mengjia (School of Electrical and Electronic Engineering, Nanyang Technological University, 639798, Singapore) ,  Jiang Xudong (School of Electrical and Electronic Engineering, Nanyang Technological University, 639798, Singapore) ,  Yuan Junsong (Computer Science and Engineering Department, State University of New York, Buffalo)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICPR  ページ： 2522-2527  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： 本研究では,三次元畳込み型生成敵ネットワーク(3D-GANs)の識別フレームワークを用いたビデオ時間不規則性検出のための新しい方法を提案した。時間的不規則性は異常なビデオセグメントを示す。このような不規則性の検出は,ビデオ異常検出やビデオ要約のようなビデオ解析応用に不可欠である。ビデオにおける時間的不規則性を検出するために,2つの問題に取り組む必要がある。1)時間的不規則性は定義が難しく,異なる状況は異なる不規則性を有し,2)不規則性はビデオにおいて少ない。したがって,設計された3D-GANの識別フレームワークを介して,偽データ検出としてビデオ時間不規則性検出を定式化した。この新しい定式化は,訓練段階の間に通常のビデオを使用するだけであり,3D-GANの識別子によって推定される偏差に従って不規則性を検出する。実際のデータとして正規ビデオを取り,3D-GANを構築し,訓練段階の間の正規ビデオの分布を学習した。試験データは不規則なビデオまたは偽データを含むので,その分布は通常のビデオまたは実データと異なり,ネットワークの訓練識別子は時間的規則性と不規則性を検出することができる。実験は,3D-GANsが時間的不規則性検出において2D-GANsより優れていることを示して,異常検出データセットに関する著者らの方式の有効性と競争的性能を実証した。Copyright 2019 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： 二次元 ,  *畳込み ,  定式化 ,  有効性 ,  *録画装置 ,  *三次元 ,  *ネットワーク
準シソーラス用語： 周期性 ,  試験データ ,  識別子 ,  ビデオ分析 ,  異常検出 ,  *不規則性 , 【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 (5件)： ビデオ ,  不規則性 ,  3D ,  畳込み ,  敵対