文献

J-GLOBAL ID：201902264331512703   整理番号：19A1382370

畳込みリカレントニューラルネットワークを用いたビデオ要約のための時空間モデリング【JST・京大機械翻訳】

Spatiotemporal Modeling for Video Summarization Using Convolutional Recurrent Neural Network

著者 (3件)： Yuan Yuan (School of Computer Science, Northwestern Polytechnical University, Xi’an, China) ,  Li Haopeng (School of Computer Science, Northwestern Polytechnical University, Xi’an, China) ,  Wang Qi (School of Computer Science, Northwestern Polytechnical University, Xi’an, China)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 64676-64685  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： 本論文では,ビデオ要約タスクのためのCRSumと名付けた新しいニューラルネットワークを提案した。提案したネットワークは,特徴抽出,時間モデリング,および要約生成をエンドツーエンドアーキテクチャに統合する。このタスクに関する以前の研究と比較して,提案した方法は3つの明確な特性を所有している。1)要約のためのビデオの空間的および時間的構造を同時にモデル化するために,畳込み再帰ニューラルネットワークを初めて活用する。2)訓練可能な三次元畳込みニューラルネットワークと特徴融合により,提案アーキテクチャでビデオの完全で微妙な特徴を得た。3)Sobolev損失と呼ばれる新しい損失関数を定義し,逐次データの導関数を制約し,ビデオの潜在的時間構造を利用した。一連の実験を行い,提案した方法の有効性を証明した。さらに,よく設計された実験により異なる側面からこの方法を解析した。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： *ネットワーク ,  エンドツーエンド方式 ,  *ニューラルネットワーク ,  損失関数 ,  *モデリング ,  *録画装置 ,  三次元 ,  *畳込み ,  導関数 ,  有効性 ,  特徴抽出 ,  計算機アーキテクチャ
準シソーラス用語： 畳込みニューラルネットワーク ,  *映像要約 ,  *リカレントニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 畳込み ,  リカレントニューラルネットワーク ,  ビデオ要約 ,  時空間モデリング