文献

J-GLOBAL ID：202102216195208152   整理番号：21A2955241

中間密監視による姿勢ベースグラフ畳込みネットワークを介した行動認識【JST・京大機械翻訳】

Action recognition via pose-based graph convolutional networks with intermediate dense supervision

著者 (9件)： Shi Lei (NLPR & AIRIA, Institute of Automation, Chinese Academy of Sciences, China) ,  Shi Lei (Meituan, China) ,  Shi Lei (School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China) ,  Zhang Yifan (NLPR & AIRIA, Institute of Automation, Chinese Academy of Sciences, China) ,  Zhang Yifan (Meituan, China) ,  Cheng Jian (NLPR & AIRIA, Institute of Automation, Chinese Academy of Sciences, China) ,  Cheng Jian (Meituan, China) ,  Lu Hanqing (NLPR & AIRIA, Institute of Automation, Chinese Academy of Sciences, China) ,  Lu Hanqing (Meituan, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 121  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ポースベースの行動認識は最近かなりの注目を集めている。既存の方法は,人間行動認識を助けるために,バックボーンCNNの活性化マップから体部特徴を抽出するために関節位置を利用する。しかし,2つの制限がある。(1)体部特徴は,独立して使用され,表現を得るために単純に連結され,身体部分間の構造化相関に関する事前知識は完全には利用されていない。(2)体部特徴を抽出するバックボーンCNNは「ラザイ」である。それは,入力の最も識別的な領域からのパターンの同定によって常にコンテンツ自身をコンテンツし,それは他の地域から抽出された特徴に関する情報を引き起こさない。従って,これは次の凝集プロセスの性能を妨げ,訓練データバイアスによってモデルを容易に誤らせる。これらの問題に取り組むために,人体部分特徴を人間ベース時空間グラフに符号化し,軽量グラフ畳込みモジュールを用いて,体部間の依存性を明示的にモデル化した。そのうえ,著者らは,余分なパラメータおよび計算なしで,単純かつ効果的であるすべての領域を同時に処理するために,バックボーンCNNを促進するために,新規中間高密度監視を導入した。提案手法,即ち,姿勢ベースグラフ畳込みネットワーク(PGCN)を3つの一般的なベンチマークで評価し,そこでは,著者らのアプローチが最先端の手法よりも顕著に優れている。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  *ネットワーク ,  凝集処理 ,  身体部位 ,  バイアス ,  ベンチマーク ,  コンテンツ
準シソーラス用語： 訓練データ ,  事前知識 ,  行動認識 ,  人体行動認識 ,  軽量 , 【Automatic Indexing@JST】

著者キーワード (2件)： 行動認識 ,  骨格

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

タイトルに関連する用語 (4件)： 姿勢 ,  グラフ ,  畳込み ,  行動認識