文献

J-GLOBAL ID：202102225660026421   整理番号：21A0739244

3D全時系列畳込みニューラルネットワークに基づくビデオの有意検出【JST・京大機械翻訳】

Video Saliency Detection Based on 3D Full ConvLSTM Neural Network

著者 (7件)： Wang Jiaojin (山東財経大学計算机科学与技術学院 済南 250014) ,  Jian Muwei (山東財経大学計算机科学与技術学院 済南 250014) ,  Liu Xiangyu (山東財経大学計算机科学与技術学院 済南 250014) ,  Lin Peiguang (山東財経大学計算机科学与技術学院 済南 250014) ,  Geng Leilei (山東財経大学計算机科学与技術学院 済南 250014) ,  Cui Chaoran (山東財経大学計算机科学与技術学院 済南 250014) ,  Yin Yilong (山東大学軟件学院 済南 250101)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 47  号： 8  ページ： 195-201  発行年： 2020年 
JST資料番号： C2530A  ISSN： 1002-137X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 視覚は人類が世界を感知する重要な方法の一つである。ビデオの顕著性検出は,人間の視覚的注意をコンピュータシミュレーションすることによって,映像中の顕著性物体を知的に検出することを目的とした。現在、従来の方法に基づくビデオの顕著性検査はすでに一定のレベルに達したが、時空間情報の一致性利用においてはまだ満足できない。そこで,全時系列畳込みニューラルネットワークに基づくビデオ検出法を提案した。最初に,入力ビデオの空間情報と時間情報の時空間的特徴抽出を,全時系列畳込みによって実行した。次に,3Dプール化層を用いて次元縮小を行った。第2に,3Dデコンボリューションと3Dサンプリングを用いて,復号層においてフロントエンド特徴を復号化した。最後に,時空間情報を有機的に抽出して融合することで,顕著なグラフ品質を効果的に向上させる。実験結果は,提案したアルゴリズムが,3つの広く使用されるビデオ検出データセット(DAVIS,FBMS,SegTrack)において,現在の主流のビデオ検出方法より優れていることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  視覚 ,  *畳込み ,  計算機シミュレーション ,  特徴抽出 ,  ヒト ,  デコンボリューション ,  復号化 ,  検出法 ,  *録画装置 ,  映像 ,  *三次元 ,  次元縮小
準シソーラス用語： 空間情報 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  計算機網  (JC03000K) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 3D ,  時系列 ,  畳込みニューラルネットワーク ,  ビデオ