文献

J-GLOBAL ID：202002285276588605   整理番号：20A0492895

人間活動認識のための深層学習と高密度オプティカルフローアプローチを用いたハイブリッドディープモデル【JST・京大機械翻訳】

A Hybrid Deep Model Using Deep Learning and Dense Optical Flow Approaches for Human Activity Recognition

著者 (5件)： Tanberk Senem (Department of Computer Engineering, Dogus, University, Istanbul, Turkey) ,  Kilimci Zeynep Hilal (Department of Computer Engineering, Dogus, University, Istanbul, Turkey) ,  Tukel Dilek Bilgin (Department of Computer Engineering, Dogus, University, Istanbul, Turkey) ,  Uysal Mitat (Department of Computer Engineering, Dogus, University, Istanbul, Turkey) ,  Akyokus Selim (Department of Computer Engineering, Istanbul Medipol University, Istanbul, Turkey)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 19799-19809  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 人間活動認識は,視覚監視,人間-コンピュータ相互作用,自律運転およびenter楽を含む多くの応用を伴う挑戦的な問題である。本研究では,人間活動認識に焦点を当てたビデオを理解し解釈するためのハイブリッド深いモデルを提案した。提案アーキテクチャは,深い学習方法論を用いて,ビデオデータセットにおける高密度オプティカルフローアプローチと補助運動情報を組み合わせて構築される。著者らの知る限りでは,これは,人間活動認識の目的のために,ビデオフレーム上の補助情報によって供給されるオプティカルフローと長い短期メモリネットワーク(LSTM)によって供給される3D畳込みニューラルネットワーク(3D-CNN)の新しい組合せに基づく最初の研究である。本論文の寄与は6倍である。最初に,多重フレームと呼ばれる3D-CNNを用いて,運動ベクトルを決定した。同じ目的で,3D-CNNは高密度オプティカルフローのために第二に使用される。それはビデオフレームにおける捕捉された画像データにおける運動の見かけの速度の分布である。第3に,LSTMをビデオの補助情報として用いて,ハンドトラッキングとオブジェクトを認識した。第4に,サポートベクトルマシンアルゴリズムをビデオの分類のタスクに利用した。第5に,広い範囲の比較実験を,2つの新しく生成したチェスデータセット,すなわち,磁気壁チェスボードビデオデータセット(MCDS)と標準チェスボードビデオデータセット(CDS)について行い,提案した研究の寄与を実証した。最後に,実験結果は,提案したハイブリッド深いモデルが最先端の研究と比較して顕著な性能を示すことを明らかにした。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： 録画装置 ,  コンピュータ ,  磁気 ,  相互作用 ,  ベクトル ,  アルゴリズム ,  サポートベクトルマシン ,  *オプティカルフロー ,  比較試験 ,  視覚 ,  計算機アーキテクチャ ,  三次元
準シソーラス用語： 畳込みニューラルネットワーク ,  映像データ ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 人間 ,  活動認識 ,  深層学習 ,  高密度 ,  オプティカルフロー