文献

J-GLOBAL ID：202102282887161562   整理番号：21A0613889

グラフ畳込みネットワークと高次特徴の融合に基づく行動認識【JST・京大機械翻訳】

Action Recognition Based on the Fusion of Graph Convolutional Networks with High Order Features

著者 (7件)： Dong Jiuqing (International Joint Research Lab of Intelligent Perception and Control, Shanghai University of Engineering Science, No. 333 Longteng Road, Shanghai 201620, China) ,  Gao Yongbin (International Joint Research Lab of Intelligent Perception and Control, Shanghai University of Engineering Science, No. 333 Longteng Road, Shanghai 201620, China) ,  Lee Hyo Jong (Division of Computer Science and Engineering, CAIIT, Jeonbuk National University, Jeonju 54896, Korea) ,  Zhou Heng (International Joint Research Lab of Intelligent Perception and Control, Shanghai University of Engineering Science, No. 333 Longteng Road, Shanghai 201620, China) ,  Yao Yifan (International Joint Research Lab of Intelligent Perception and Control, Shanghai University of Engineering Science, No. 333 Longteng Road, Shanghai 201620, China) ,  Fang Zhijun (International Joint Research Lab of Intelligent Perception and Control, Shanghai University of Engineering Science, No. 333 Longteng Road, Shanghai 201620, China) ,  Huang Bo (International Joint Research Lab of Intelligent Perception and Control, Shanghai University of Engineering Science, No. 333 Longteng Road, Shanghai 201620, China)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 10  号： 4  ページ： 1482  発行年： 2020年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： スケルトンベースの行動認識は,その明確な特徴と人間の外観と照明の不変性のため,行動関連研究における広く使用されたタスクである。さらに,それはまた,行動認識のロバスト性を効果的に改良することができた。グラフ畳込みネットワークを,行動を認識するためにそれらの骨格データに実装した。最近の研究では,グラフ畳み込みニューラルネットワークが,骨格データの空間的および時間的特徴を用いて行動認識タスクにおいてうまく機能することを示した。空間的および時間的特徴を抽出するための一般的な方法は,プリミティブ3D位置から学習する深層ネットワークに純粋に依存する。本論文では,速度特徴,加速度特徴,および3D関節間の相対距離のような,骨格データから高次空間および時間特徴を適用する新しい行動認識法を提案した。一方,マルチストリーム特徴融合の方法を,著者らが提案したこれらの高次特徴を融合するために採用する。2つの大規模で挑戦的なデータセット,NTU-RGBDとNTU-RGBD-120に関する大規模な実験は,著者らのモデルが最先端の性能を達成することを示した。Copyright 2021 The Author(s) 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 ,  加速度 ,  三次元 ,  不変性 ,  深層 ,  ロバスト性
準シソーラス用語： マルチストリーム ,  行動認識 ,  特徴融合 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 人間の行動認識 ,  グラフ畳込み ,  高次特徴 ,  時空間的特徴 ,  特徴融合

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

引用文献 (42件)：

• Dai, R.; Gao, Y.; Fang, Z.; Jiang, X.; Wang, A.; Zhang, J.; Zhong, C. Unsupervised learning of depth estimation based on attention model and global pose optimization. Signal Process. Image Commun. 2019, 78, 284-292.
• Johansson, G. Visual perception of biological motion and a model for its analysis. Percept. Psychophys. 1973, 14, 201-211.
• Defferrard, M.; Bresson, X.; Vandergheynst, P. Convolutional neural networks on graphs with fast localized spectral filtering. In Advances in Neural Information Processing Systems 29; Lee, D.D., Sugiyama, M., Luxburg, U.V., Guyon, I., Garnett, R., Eds.; Curran Associates, Inc.: Red Hook, NY, USA, 2016; pp. 3844-3852. Available online: http://papers.nips.cc/paper/6081-convolutional-neural-networks-on-graphs-with-fast-localized-spectral-filtering (accessed on 20 February 2020).
• Bruna, J.; Zaremba, W.; Szlam, A.; LeCun, Y. Spectral networks and locally connected networks on graphs. arXiv 2013, arXiv:1312.6203.
• Kipf, T.N.; Welling, M. Semi-supervised classification with graph convolutional networks. arXiv 2016, arXiv:1609.02907.

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