文献

J-GLOBAL ID：202002246851901076   整理番号：20A0654181

意味的ビデオ解析のための深い局所性に敏感な識別辞書学習【JST・京大機械翻訳】

Deep locality-sensitive discriminative dictionary learning for semantic video analysis

著者 (3件)： Benuwa Ben-Bright (School of Computer Science, Data Link Institute, Tema, Ghana) ,  Ghansah Benjamin (School of Computer Science, Data Link Institute, Tema, Ghana) ,  Ansah Ernest K. (School of Computer Science, Data Link Institute, Tema, Ghana)
資料名： Software: Practice & Experience  (Software: Practice & Experience)
巻： 50  号： 4  ページ： 388-406  発行年： 2020年 
JST資料番号： E0674A  ISSN： 0038-0644  CODEN： SPEXBL  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： ビデオ意味解析(VSA)は,現在,機械学習の分野,特にスパース表現と辞書学習によるビデオ監視応用において著しい注目を受けている。研究は,duoがビデオ検出分析の分類性能に有意に影響することを示した。VSAにおいて,より多くの識別情報を含むビデオ意味データの局所構造は分類にとって非常に重要である。しかしながら,現在のSRに基づくアプローチにより,高性能に対する識別情報を完全に利用することは,中程度の特徴があった。さらに,類似の符号化結果は,同じビデオカテゴリを有する現在のビデオ特徴から欠落している。これらの問題を扱うために,著者らは,最初に,顕著な特徴をより良く抽出し,意味ビデオから局所情報を得るために,改良された深い学習アルゴリズム-局所性深部畳込みニューラルネットワークアルゴリズム(LDCNN)を提案した。第二に,VSAのための深い局所性敏感判別辞書学習(DLSDDL)と呼ばれる新しいDL法を提案した。提案したDLSDDLでは,スパース係数のスパース符号化に基づくビデオカテゴリの判別損失関数を,局所敏感辞書学習(LSDL)法の構造に導入した。最適化された辞書を解決した後に,試験ビデオ特徴サンプルのためのスパース係数を得て,次に,ビデオ意味のための分類結果を,オリジナルとレクリエーションサンプルの間に存在する誤差を減少することによって実現した。実験結果は,提案したDLSDDL技術が,著者らの実験で用いた競合方法に対して,ビデオ意味検出の効率をかなり増加させることを示した。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 機械学習 ,  学習アルゴリズム ,  *局所性 ,  レクリエーション ,  損失関数 ,  アルゴリズム ,  *録画装置 ,  最適化 ,  意味解析
準シソーラス用語： 深層学習 ,  スパースコーディング ,  畳込みニューラルネットワーク ,  局所構造 ,  スパース表現 ,  *辞書学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 深層学習 ,  辞書学習 ,  カーネル密度推定量 ,  局所情報 ,  スパース表現 ,  ビデオ意味解析

分類 (2件)： 自然語処理  (JE06000L) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 意味 ,  ビデオ解析 ,  局所性 ,  識別 ,  辞書学習