文献

J-GLOBAL ID：202102221105285339   整理番号：21A0004330

ポリシーベース強化学習を用いたカテゴリー排除による早期行動認識【JST・京大機械翻訳】

Early Action Recognition With Category Exclusion Using Policy-Based Reinforcement Learning

著者 (4件)： Weng Junwu (School of Electrical and Electronics Engineering, Nanyang Technological University, Singapore) ,  Jiang Xudong (School of Electrical and Electronics Engineering, Nanyang Technological University, Singapore) ,  Zheng Wei-Long (Department of Neurology, Massachusetts General Hospital, Harvard Medical School, Boston, MA, USA) ,  Yuan Junsong (Department of Computer Science and Engineering, The State University of New York at Buffalo, Buffalo, NY, USA)
資料名： IEEE Transactions on Circuits and Systems for Video Technology  (IEEE Transactions on Circuits and Systems for Video Technology)
巻： 30  号： 12  ページ： 4626-4638  発行年： 2020年 
JST資料番号： W0321A  ISSN： 1051-8215  CODEN： ITCTEM  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： 初期行動認識の目標は,配列が部分的に観察されるとき,行動ラベルを予測することである。既存の方法は,行動シーケンスの異なる観察比率に関する逐次分類問題として,初期行動認識タスクを扱う。これらのモデルはすべてのネガティブクラスからポジティブカテゴリを識別することにより訓練されるので,異なるネガティブカテゴリの多様な情報は無視され,認識性能の改善を助けるために収集できる。本論文では,早期行動認識に対するカテゴリー排除を導入することによって,新しい方向に向けてステップする。事前訓練初期行動認識分類器の分類確率出力に関するマスク操作としての排除をモデル化した。特に,エージェントを訓練するために政策ベース強化学習を用いた。エージェントは,行動実行中に干渉する負のカテゴリーを除外するために,一連のバイナリマスクを生成し,従って,認識精度を改善するのを助ける。提案方法は,UCF-101と同様に,3つのベンチマーク認識データセット,NTU-RGBD,第1-Person Hand Actionに関して評価した。提案方法は,3つのデータセットに関してすべての異なる観察比率に関して一貫して認識精度を強化して,そこで,初期段階に関する精度改良は特に重要である。Copyright 2021 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： ベンチマーク ,  エージェント ,  *強化学習
準シソーラス用語： 行動認識 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 強化学習 ,  カテゴリー ,  排除 ,  早期 ,  行動認識