文献

J-GLOBAL ID：201902284675148543   整理番号：19A1540056

ビデオ合成とマルチスケール再帰ネットワークによる背景減算の学習【JST・京大機械翻訳】

Learning Background Subtraction by Video Synthesis and Multi-scale Recurrent Networks

著者 (4件)： Choo Sungkwon (Seoul National University, Seoul, Korea) ,  Seo Wonkyo (Seoul National University, Seoul, Korea) ,  Jeong Dong-ju (Seoul National University, Seoul, Korea) ,  Cho Nam Ik (Seoul National University, Seoul, Korea)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11366  ページ： 357-372  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,ビデオにおける移動物体セグメンテーション,すなわち,深いネットワークを用いたバックグラウンドサブトラクション(BGS)に取り組んだ。提案された構造は,畳込みLong Short-Term Memory(LSTM)を用いることにより空間情報を失うことなく時間的な関係性を学習する。それは,様々なスケールの再帰ネットワークを通して,可変サイズの空間受容場を形成することによって,空間的関係を学習する。提案したネットワークの訓練における最も重大な問題は,十分な数の画素レベルのラベル付きビデオデータセットを見つけるか,または作ることが非常に難しいことである。この限界を克服するために,著者らは,いくつかの利用可能なデータセットからターゲットビデオのバックグラウンドを用いて注釈付き前景オブジェクトを結合することによって,多くの訓練フレームを生成した。本論文の貢献は,BGSのための最初のマルチスケール再帰ネットワークを提供することであり,それは多くの種類の監視ビデオのためによく機能して,BGS試験のために広く使用されるCDnet2014において最良の性能を提供した。Copyright 2019 Springer Nature Switzerland AG 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 ,  アノテーション ,  移動体 ,  *録画装置 ,  画素 ,  畳込み ,  セグメンテーション
準シソーラス用語： 前景 ,  空間情報 ,  *背景差分法 ,  *マルチスケール , 【Automatic Indexing@JST】

著者キーワード (3件)： 背景減算 ,  畳込みLSTM ,  ビデオ増強

分類 (2件)： 人工知能  (JE08000Z) ,  計算機網  (JC03000K)

タイトルに関連する用語 (4件)： ビデオ ,  マルチスケール ,  背景減算 ,  学習