文献

J-GLOBAL ID：202102221642603808   整理番号：21A0004327

行動認識のための識別多視点部分空間特徴学習【JST・京大機械翻訳】

Discriminative Multi-View Subspace Feature Learning for Action Recognition

著者 (6件)： Sheng Biyun (College of Computer, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Li Jun (School of Computer Science and Technology, Nanjing Normal University, Nanjing, China) ,  Xiao Fu (College of Computer, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Li Qun (College of Computer, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Yang Wankou (School of Automation, Southeast University, Nanjing, China) ,  Han Junwei (School of Automation, Northwestern Polytechnical University, Xian, China)
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： 4591-4600  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： 深い特徴は,最近,行動認識における最先端の性能を達成したが,手作業の浅い特徴は,エッジ特徴のような直感的な方法で視覚コンテンツを利用するための人間行動の特性化において,まだ重要な役割を果たす。したがって,浅い特徴は,深い表現に対する補助視覚手がかりとして役立つ。本論文では,手作業の浅い特徴表現と深い特徴の間の相補的特性を探索するために,識別部分空間学習モデル(DSLM)を提案した。RGB行動認識に関しては,これはマルチビュー部分空間学習方式によってマルチレベル特徴補完をマイニングする最初の研究である。不均一特徴間の相補的情報を十分に捉えるために,著者らは,マルチビュー再構成誤差と分類誤差を統一目的関数に統合することによって,DSLMを構築した。具体的には,まずFisherベクトルを用いて,浅い表現と2ストリーム畳込みニューラルネットワークモデル(T-CNN)のための改良高密度軌道(iDT+FV)を符号化し,深い特徴を生成する。さらに,提示したDSLMアルゴリズムは,相補的情報と識別能力を同時に取り込んだ共有識別部分空間上にマルチレベル特徴を投影した。最後に,試験試料の行動型を,学習したコンパクトな表現から決定境界までのマージンによって識別した。3つのデータセットに関する実験結果は,提案した方法の有効性を実証した。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： 視覚 ,  ベクトル ,  *学習 ,  再構成 ,  目的関数 ,  キャラクタリゼーション ,  有効性 ,  人間行動 ,  コンテンツ
準シソーラス用語： マルチレベル ,  *部分空間 ,  高密度 ,  行動認識 ,  マルチビュー ,  畳込みニューラルネットワーク , 【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)： 行動認識 ,  識別 ,  視点 ,  部分空間 ,  学習