文献

J-GLOBAL ID：202202256678015099   整理番号：22A0563367

多視点動作認識のためのビュー知識転送ネットワーク【JST・京大機械翻訳】

View knowledge transfer network for multi-view action recognition

著者 (5件)： Liang Zixi (School of Automation, Guangdong University of Technology, Guangzhou 510006, China) ,  Yin Ming (School of Automation, Guangdong University of Technology, Guangzhou 510006, China) ,  Gao Junli (School of Automation, Guangdong University of Technology, Guangzhou 510006, China) ,  He Yicheng (School of Automation, Guangdong University of Technology, Guangzhou 510006, China) ,  Huang Weitian (South China University of Technology, Guangzhou 510006, China)
資料名： Image and Vision Computing  (Image and Vision Computing)
巻： 118  ページ： Null  発行年： 2022年 
JST資料番号： A0611C  ISSN： 0262-8856  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： 実用的なアプリケーションにおける多くのデータが,複数のビュー形式で生じ,または捉えられるので,マルチビュー行動認識は,下流タスクを促進するために,様々な視点で,ある相補的で不均一な情報の利用により,最近,多くの注目を集めている。しかしながら,ほとんどの既存の方法は,マルチビューデータが完全であり,実世界アプリケーションでは必ずしも満たされないと仮定する。この目的のために,本論文では,いくつかの視点が不完全である場合でも,マルチビュー行動認識を処理するために,新しいビュー知識転送ネットワーク(VKTNet)を提案した。特に,ビュー知識移転を,条件付き生成敵対ネットワーク(cGAN)を用いて利用し,各視点の潜在表現を再現し,他の視点情報に条件付けした。このように,高レベルセマンティック特徴を効果的に抽出し,2つの異なるビュー間の意味ギャップを埋める。さらに,各ビューによって達成された決定結果を効率的に融合するために,シームレススケーリングネットワーク(SSN)を,単に分類器を使用する代わりに提案する。実験結果は,すべての見解が利用可能であるとき,著者らのモデルが3つの公開データセットに関して優位性性能を達成することを示した。一方,いくつかの見解が欠けている場合,性能の劣化を避ける。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： *ネットワーク ,  *認識 ,  核融合 ,  応用プログラム ,  機械学習
準シソーラス用語： 知識移転 ,  *動作認識 ,  行動認識 ,  マルチビュー ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 行動認識 ,  深層学習 ,  多視点学習 ,  生成敵対ネットワーク ,  後期核融合

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

タイトルに関連する用語 (4件)： 視点 ,  動作認識 ,  知識 ,  転送