文献

J-GLOBAL ID：202202237010094966   整理番号：22A1101387

スケルトンベース行動認識のためのマルチ局所化高感度オートエンコーダ-アテンション-LSTM【JST・京大機械翻訳】

Multi-Localized Sensitive Autoencoder-Attention-LSTM For Skeleton-based Action Recognition

著者 (3件)： Ng Wing (Guangdong Provincial Key Laboratory of Computational Intelligence and Cyberspace Information, School of Computer Science and Engineering, South China University of Technology, Guangzhou, China) ,  Zhang Mingyang (Guangdong Provincial Key Laboratory of Computational Intelligence and Cyberspace Information, School of Computer Science and Engineering, South China University of Technology, Guangzhou, China) ,  Wang Ting (Guangdong Provincial Key Laboratory of Computational Intelligence and Cyberspace Information, School of Computer Science and Engineering, South China University of Technology, Guangzhou, China)
資料名： IEEE Transactions on Multimedia  (IEEE Transactions on Multimedia)
巻： 24  ページ： 1678-1690  発行年： 2022年 
JST資料番号： W1116A  ISSN： 1520-9210  CODEN： ITMUF8  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： 骨格ベースの行動認識(SAR)タスクの重要な課題の一つは,人間の運動パターンの複雑な性質である。実行者や視点のような変動は,行動認識精度にマイナス効果を与える可能性がある。本研究では,SARのためのマルチローカライゼーションSensitive Autoencoder-Atten-LSTM(Multi-LiSAAL)を提案した。局所確率感度自動符号化器(LiSSA)は空間と時間情報の両方をコードし,骨格から異なる部分(4つの四肢と体幹)から意味のある特徴を抽出する。LiSSAは,入力における小さな変動に関して,その感度を減らすことによって,自動エンコーダのロバスト性を強化するために,局所的一般化誤差を最小化することによって訓練した。異なる重みを異なる骨格部分に割当て,有益な部分に重点を置くための注意機構を適用した。次に,バックボーン分類器ネットワークは,行動を差別化するための入力として加重特徴を取る。5つの公開ベンチマークデータセットに関する実験結果は,マルチLiSAALが最先端の方法より優れていることを示した。Copyright 2022 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： *ネットワーク ,  特性 ,  符号器 ,  高感度 ,  ロバスト性
準シソーラス用語： 差別化 ,  行動認識 ,  局在化 ,  体幹 ,  *自己符号化器 ,  長短期記憶 , 【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 (8件)： スケルトン ,  行動認識 ,  マルチ ,  局所化 ,  高感度 ,  オートエンコーダ ,  アテンション ,  LSTM