文献

J-GLOBAL ID：202002259899860866   整理番号：20A1865417

二次関連性と注意モデリングによるコンテンツベースビデオ関連性予測【JST・京大機械翻訳】

Content-Based Video Relevance Prediction with Second-Order Relevance and Attention Modeling

著者 (5件)： Chen Xusong (University of Science and Technology of China, Hefei, China) ,  Zhao Rui (University of Science and Technology of China, Hefei, China) ,  Ma Shengjie (University of Science and Technology of China, Hefei, China) ,  Liu Dong (University of Science and Technology of China, Hefei, China) ,  Zha Zheng-Jun (University of Science and Technology of China, Hefei, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： MM ’18  ページ： 2018-2022  発行年： 2018年 
JST資料番号： D0698C  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： 本論文では,コンテンツベースビデオ関連性予測(CBVRP)チャレンジのための提案手法について述べた。提案手法は深層学習に基づき,その特徴から2つのビデオシーケンス間の関連性を予測するために,深いネットワークを訓練する。訓練データを作成し,深層ネットワークを拡張する際に,二次関連性の利用を検討した。二次関連性は,もしxがyとyに関連するならば,xとzの間の関連性は,zに関連する。提案手法では,訓練データを作成するとき,正サンプルを増加させ,負のサンプルを減少させるために二次関連性を使用する。さらに,注意モジュールを用いて深いネットワークを拡張し,そこでは,注意機構を二次関連ビデオシーケンスのために設計した。CBVRPチャレンジの検証セットに対する本手法の有効性を検証した。Please refer to this article’s citation page on the publisher website for specific rights information. 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 ,  *録画装置 ,  深層 ,  有効性
準シソーラス用語： 訓練データ ,  ビデオシーケンス ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 注意機構 ,  コンテンツベースフィルタリング ,  深層学習 ,  ビデオ関連予測

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 (4件)： 関連性 ,  注意 ,  モデリング ,  予測