文献

J-GLOBAL ID：202002249255466379   整理番号：20A1816893

2段階ニューラルネットワークに基づくビデオイベント分類【JST・京大機械翻訳】

Video event classification based on two-stage neural network

著者 (2件)： Zhang Lei (Guangdong University of Petrochemical Technology, Maoming, China) ,  Xiang Xuezhi (Harbin Engineering University, Harbin, China)
資料名： Multimedia Tools and Applications  (Multimedia Tools and Applications)
巻： 79  号： 29-30  ページ： 21471-21486  発行年： 2020年 
JST資料番号： W1102A  ISSN： 1380-7501  資料種別： 逐次刊行物 (A)
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： ビデオストリームは,空間的および時間的手がかりから成る3D信号として記述できる静的フレームのシーケンスである。これら2つの手がかりの同時タックリングは,常にビデオ解析タスクのための重要問題である。本研究では,ビデオイベント分類タスクのための2段階ニューラルネットワークを提案した。CNNにRNNを直結する代わりに,第一段階が教師つき学習方法で選択されたアンカーによってビデオコンテンツに事前学習されたオブジェクト知識を転送できる2段階ニューラルネットワーク戦略を採用した。提案した戦略を通して,フレームシーケンスを平均最大プールによってアンカーポイントに変え,次に,転送CNNによって分類した。第二段階は,時間能力におけるRNNの「深いの手段によって時間的情報を結合できる。RNNと接続された転送CNNは,同時に空間および時間情報を扱うことができ,それは,転送されたCNNのパラメータを不変に保つことを除いて,エンドツーエンドネットワーク学習である。特に,1層または2層を有するRNNにおけるLSTMおよびGRUを採用して,勾配消失および勾配爆発問題を克服した。3つのインザイスデータセットに関する実験は,提案した2段階ネットワークが他の最先端の手法に匹敵する性能を提供し,ビデオイベント分類に対するその有効性を実証した。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  *ネットワーク ,  *ニューラルネットワーク ,  教師つき学習 ,  三次元 ,  単一層 ,  有効性
準シソーラス用語： 映像コンテンツ ,  ビデオストリーム ,  事前学習 ,  ビデオ分析 ,  二層 ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (5件)： 2段階ニューラルネットワーク ,  CNN ,  LSTM ,  GRU ,  ビデオイベント分類

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 段階 ,  ニューラルネットワーク ,  ビデオ ,  イベント ,  分類