文献

J-GLOBAL ID：202002215527157563   整理番号：20A0267849

MS-TCN:アクションセグメンテーションのための多段階時間畳込みネットワーク【JST・京大機械翻訳】

MS-TCN: Multi-Stage Temporal Convolutional Network for Action Segmentation

著者 (2件)： Farha Yazan Abu (Univ. of Bonn) ,  Gall Jurgen (Univ. of Bonn)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CVPR  ページ： 3570-3579  発行年： 2019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： 長い非トリミングビデオにおける時間的位置決めと分類作用セグメントは,監視とロボットのような多くの応用に特に興味がある。従来のアプローチは二段階パイプラインに従うが,フレームごとの確率を生成し,次に高レベルの時間モデルにそれらを供給することにより,最近のアプローチはビデオフレームを直接分類するために時間的畳込みを使用する。本論文では,時間的行動セグメンテーションタスクのための多段アーキテクチャを導入した。各段階は,次のものによって精密化される初期予測を生成するために,拡張された時間的畳込みの集合を特徴とする。このアーキテクチャは,分類損失と提案した平滑化損失の組合せを用いて訓練され,過剰セグメンテーション誤差をペナルティ化する。広範な評価により,長距離依存性の獲得と行動セグメントの認識における提案モデルの有効性を示した。著者らのモデルは,3つの挑戦的データセットに関する最先端の結果を達成した。すなわち,50Salads,Georgia Tech egogentric Activities(GTEA),およびBreakfastデータセットである。Copyright 2020 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： ロボット ,  *セグメンテーション ,  位置決め ,  平滑化 ,  *ネットワーク ,  有効性 ,  精密化 ,  ペナルティ ,  *畳込み ,  計算機アーキテクチャ ,  距離依存性

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： アクション ,  セグメンテーション ,  段階 ,  畳込み