文献

J-GLOBAL ID：201902258315324838   整理番号：19A2400521

SRNet:人間行動認識のための骨格データからの構造化関連特徴学習ネットワーク【JST・京大機械翻訳】

SRNet: Structured Relevance Feature Learning Network From Skeleton Data for Human Action Recognition

著者 (3件)： Nie Weizhi (School of Electrical and Information Engineering, Tianjin University, Tianjin, China) ,  Wang Wei (School of Electrical and Information Engineering, Tianjin University, Tianjin, China) ,  Huang Xiangdong (School of Electrical and Information Engineering, Tianjin University, Tianjin, China)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 132161-132172  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 近年,骨格情報に基づく人間行動認識は,最近発表された大規模骨格データセットにより注目を集めている。2つの側面におけるこのタスクラインのための最も重要な因子は,結合共起のためのフレーム内表現と骨格の時間発展のためのフレーム間表現である。最も効果的な方法は,深い学習を用いることによる自発的特徴抽出に焦点を合わせる。しかし,それらは人間の行動認識のために骨格関節の構造情報と2つの異なる骨格関節の間の相関を無視する。本論文では,非順序点としてのジョイント位置情報を簡単に処理しない。代わりに,人間の骨格関節の全体的および局所的構造情報を表現するための新しいデータ再編成戦略を提案した。一方,著者らは,また,骨格関節の間の関係を増加させるために,データミラーを用いた。この設計に基づいて,特徴抽出変換関数を学習するための空間的および時間的情報を完全に考慮するために,エンドツーエンド多次元CNNネットワーク(SRNet)を提案した。具体的には,このCNNネットワークにおいて,様々な次元で異なる畳込みカーネルを用いて,ロバストな特徴を生成するための人間の構造情報の大部分を作るために,骨格表現を学習する。最後に,NTU RGB+D,PKU-MMD,SYSU,UT-Kinect,およびHDM05のような行動認識データセットに関する他の最新技術と比較した。実験結果はまた,著者らの方法の優位性を実証した。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： エンドツーエンド方式 ,  畳込み ,  高次元 ,  *学習 ,  ロバスト性 ,  *ネットワーク ,  再編成 ,  特徴抽出 ,  時間発展
準シソーラス用語： *行動認識 ,  Kinect ,  変換関数 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 人間行動認識 ,  骨格 ,  構造化 ,  学習