文献

J-GLOBAL ID：202202221132331315   整理番号：22A0904907

スケルトンに基づく人間行動認識のための逐次ホップ間グラフ畳込みニューラルネットワーク(SIhGCN)【JST・京大機械翻訳】

Sequential inter-hop graph convolution neural network (SIhGCN) for skeleton-based human action recognition

著者 (5件)： Setiawan Feri (Department of Industrial and Management Engineering, Hankuk University of Foreign Studies, 81 Oedae-ro, Mohyeon-eub, Cheoin-gu, Yongin, Gyeonggi-do 17035, Republic of Korea) ,  Setiawan Feri (Department of Statistics and Data Science, Yonsei University, 50 Yonsei-Ro, Seodaemun-Gu, Seoul 03722, Republic of Korea) ,  Yahya Bernardo Nugroho (Department of Industrial and Management Engineering, Hankuk University of Foreign Studies, 81 Oedae-ro, Mohyeon-eub, Cheoin-gu, Yongin, Gyeonggi-do 17035, Republic of Korea) ,  Chun Seok-Ju (Department of Computer Education, Seoul National University of Education, 96 Seochojungang-ro, Seocho-dong, Seocho-gu, Seoul 06639, Republic of Korea) ,  Lee Seok-Lyong (Department of Industrial and Management Engineering, Hankuk University of Foreign Studies, 81 Oedae-ro, Mohyeon-eub, Cheoin-gu, Yongin, Gyeonggi-do 17035, Republic of Korea)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 195  ページ： Null  発行年： 2022年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： Skeletonベースの人間行動認識は,RGB画像のシーケンスだけを使用するよりも多くの情報を提供する能力および可能性のために多くの注目を集めている。グラフ畳込みニューラルネットワーク(GCN)の使用は,人間の骨格を非常に良くモデル化できるので,より一般的になる。しかしながら,既存のGCNアーキテクチャは,特徴集約中の各ホップに対する重要度の異なるレベルを無視し,更なる計算のために最終ホップ情報を使用して,かなりの情報損失をもたらす。そのうえ,それらはグラフ不変量に関して限界を持っているベクトルの集合にグラフの特性をコード化するために標準ラプラシアンまたは隣接行列を使用する。本研究では,最終ホップのみではなく,各単一ホップから顕著なグラフ情報を捉えることができる逐次インターホップグラフ畳込みニューラルネットワーク(SIhGCN)を提案し,グラフ不変量と良く関連するので,より良い表現を提供する正規化ラプラシアン行列を利用した。提案手法は,2つの大規模データセット,NTU-RBG+Dおよび速度論で検証され,提案した方法の優位性を実証した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 行列 ,  *グラフ ,  符号化 ,  ベクトル ,  *ニューラルネットワーク ,  モデリング ,  速度論 ,  不変量 ,  計算機アーキテクチャ ,  正規化 ,  Laplace演算子
準シソーラス用語： 隣接行列 ,  行動認識 ,  Laplacian行列 ,  データ損失 ,  大規模データセット ,  *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)： 行動認識 ,  注意機構 ,  特徴集約 ,  グラフ畳込みニューラルネットワーク ,  正規化ラプラシアン行列

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： スケルトン ,  人間行動認識 ,  逐次 ,  ホップ ,  グラフ ,  畳込みニューラルネットワーク