抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本研究で扱われている問題は,外向きのダッシュカムビデオを介して捕捉された視覚シーンに関する交通リスク評価を実行することである。リスク評価を実行するために,2ストリーム動的注意再帰畳込みニューラルアーキテクチャを用いて,与えられた入力ビデオシーケンスにおける各フレームに対するカテゴリー的リスクレベルを提供した。2ストリームアプローチは空間ストリームから成り,個々のビデオフレームを解析し,高レベル外観特徴と時間ストリームを計算し,隣接フレーム間のオプティカルフローを解析し,高レベル運動特徴を計算する。次に,空間的および時間的ストリームの両方を,時間における特徴のシーケンスを明示的にモデル化するそれぞれの再帰ニューラルネットワーク(RNNs)に供給した。視覚シーンにおける関連物体に焦点を合わせることを可能にする動的注意機構を追加した。これらのオブジェクトは最先端のオブジェクト検出器によって検出され,車両,歩行者,交通標識などに対応する。動的注意機構は分類性能を向上させるだけでなく,リスクレベルを予測するとき,ネットワーク「シーズ」を視覚化する方法も提供する。この機構は,ネットワークが視覚シーンにおける有害物体に焦点を合わせることを暗黙的に学習することを可能にする。さらに,本研究は,それらの実装においてわずかに異なるオフラインおよびオンラインモデルを導入した。オフラインモデルは完全なビデオシーケンスを分析し,84.89%の分類精度をスコア化した。オンラインモデルはデータの無限ストリームを扱い,ほぼリアルタイム(7フレーム/秒)の結果を生成する。しかし,それは分類精度(79.90%)のわずかな減少に悩まされる。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】