文献

J-GLOBAL ID：202202261055271734   整理番号：22A1036505

ビデオベース活動認識システムのための効率的な特徴選択法【JST・京大機械翻訳】

An Efficient Feature Selection Method for Video-Based Activity Recognition Systems

著者 (2件)： Siddiqi Muhammad Hameed (Department of Computer Science, Jouf University, Sakaka, Saudi Arabia) ,  Alsirhani Amjad (Department of Computer Science, Jouf University, Sakaka, Saudi Arabia)
資料名： Mathematical Problems in Engineering (Web)  (Mathematical Problems in Engineering (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7803A  ISSN： 1024-123X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 人間活動認識(HAR)は,奥行きやRGBカメラのような様々な資源からの人間のジェスチャーと行動の検査である。本研究では,HARシステムのための動的でロバストな特徴選択アルゴリズムを設計し,それによって,このシステムは様々な種類の活動を正確に認識した。提案アプローチでは,抽出した特徴から顕著な特徴を選択する相互情報アルゴリズムを採用した。提案したアルゴリズムは,それぞれ,最大関連性と最小冗長性のような2つの方法の拡張である。この方法は,様々な抽出アルゴリズムの資産を集める能力を持つ。しかし,選択の手順は,特徴の分類力と冗長性の間の非類似性のため,不公平であるかもしれない。この型の不公平な選択を解決するため,著者らは,相互情報関数の自律上限を持つ提案アルゴリズムを通して両方の部分を安定化させる。同様に,特徴抽出と認識のために,著者らは,行動分類のために,それぞれシンレットウェーブレット変換と隠れMarkovモデルを使用した。提案アルゴリズムは,実験の包括的セットの下で,13種類の活動を持つ深さベースのデータベース上で正当化された。提案した特徴選択法が既存の研究に対して最良の分類精度を達成することを示した。Copyright 2022 Muhammad Hameed Siddiqi and Amjad Alsirhani. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  冗長性 ,  データベース ,  特徴抽出 ,  精度 ,  認識 ,  *特徴選択 ,  人間 ,  ロバスト性 ,  隠れMarkovモデル
準シソーラス用語： 自律性 ,  身振り ,  人間活動 ,  分類精度 ,  行動認識 ,  非類似性 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

引用文献 (49件)：

• L. Wang, Y. Xiong, Z. Wang, Y. Qiao, D. Lin, X. Tang, L. Van Gool, "Temporal segment networks for action recognition in videos," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 41, no. 11, pp. 2740-2755, 2018.
• J. Carreira, A. Zisserman, "Quo vadis, action recognition? a new model and the kinetics dataset," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 6299-6308, Honolulu, HI, USA, July 2017.
• D. Tran, H. Wang, L. Torresani, J. Ray, Y. LeCun, M. Paluri, "A closer look at spatiotemporal convolutions for action recognition," Proceedings of the IEEE conference on Computer Vision and Pattern Recognition, pp. 6450-6459, Salt Lake City, UT, USA, June 2018.
• L. Wang, W. Li, W. Li, L. Van Gool, "Appearance-and-relation networks for video classification," Proceedings of the IEEE conference on computer vision and pattern recognition, pp. 1430-1439, Salt Lake City, UT, USA, June 2018.
• S. Xie, C. Sun, J. Huang, Z. Tu, K. Murphy, "Rethinking spatiotemporal feature learning: speed-accuracy trade-offs in video classification," Proceedings of the European conference on computer vision (ECCV), pp. 305-321.

タイトルに関連する用語 (3件)： ビデオ ,  活動認識 ,  特徴選択