セグメントレベルラベルによる弱教師付き時間行動位置決め【JST・京大機械翻訳】

Ding Xinpeng; Wang Nannan; Gao Xinbo; Li Jie; Wang Xiaoyu; Liu Tongliang

プレプリント

J-GLOBAL ID：202202206732059816 整理番号：22P0166850

セグメントレベルラベルによる弱教師付き時間行動位置決め【JST・京大機械翻訳】

Weakly Supervised Temporal Action Localization with Segment-Level Labels

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2020年07月03日プレプリントサーバーでの情報更新日： 2020年07月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

時間的行動局所化は試験性能とアノテーション時間コストの間のトレードオフを示す。完全教師つき方法は,時間のかかる境界アノテーションによって良い性能を達成した。より安価なビデオレベルカテゴリーラベルアノテーションによる弱い教師つき方法は,より悪い性能をもたらす。本論文では,新しいセグメントレベル監視設定を導入し,ここでは,注釈者がここで起こる行動を観測するとき,セグメントをラベル付けした。このセグメントレベル監視を訓練における新しい局在化モジュールと共に組み入れた。特に,ラベル付きセグメントから積分動作部分を学習するための損失サンプリングと見なされる部分セグメント損失を考案した。ラベル付きセグメントは行動の唯一の部分なので,モデルは訓練プロセスと共に過剰適合する傾向がある。この問題に取り組むために,まず,球面損失によって導かれる識別特徴から類似性行列を得た。次に,伝搬損失を行列に基づいて考案し,正則化項として作用し,訓練中の陰的ラベルなしセグメント伝搬を可能にした。実験は,著者らの方法がアノテーション時間ほとんど同じビデオレベル監視方法より優れていることを検証した。【JST・京大機械翻訳】

, , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能 , パターン認識

前のページに戻る